
简介
该用户还未填写简介
擅长的技术栈
未填写擅长的技术栈
可提供的服务
暂无可提供的服务
ML 策略模型(V7.3)与规则引擎融合方案
ML 因子得分 = (ML 概率 - 0.5) × 2 × 100(映射到 -100 到 100)总分 = (技术面×70% + 基本面×30%) × (1 + 资金流向调整) + 新闻情感调整。技术面得分 = (原 7 因子得分×60% + ML 因子得分×10%) × 70%融合得分 = 规则引擎得分 × 60% + ML 概率得分 × 40%低位 (0-30%) +15, 高位 (70-10
多策略集成学习选股模型技术实现(V7.3)
四模型集成:随机森林 (40%) + Gradient Boosting (30%) + XGBoost (15%) + LightGBM (15%)28 个精选特征:覆盖动量、波动率、成交量、技术指标、资金流五大维度AUC-ROC 0.6131,准确率 59.07%,基于 132 万 + 样本训练版本持续优化:V7.0→V7.3,性能稳步提升,提升幅度加速。
到底了







