AI量化构建流程（8步）
一、确定优化目标
例如：以未来N日收益率为优化目标
因为收益率是一个连续变量，预测困难，所以一般把它转化成离散变量。预测目标值，我们一般用label指代。
比如一天的收益率上下浮动20%，分20个桶，每个桶的范围就是2%，通过简单映射关系，就可以得到20个label的值。
也可以简化成最简单的二分类问题，未来N日收益率为正，label=1，收益率为负，label=0。
二、确定数据源和时间范围
例如：用2015～2019的历史数据，去预测2020至今的股票走势。
时间范围上需要注意的是特征使用的时间范围要早于label使用的时间范围。
例如：
【正确】用2015～2019的历史数据，去预测2020/2021的股票走势。
【错误】用2015～2019的历史数据，去预测2019的股票走势。
【错误】用2015～2019的历史数据，去预测2015的股票走势。
【错误】用2015～2019的历史数据，去预测2012的股票走势。
打个比喻，模型训练就像你平时练习一样，不会直接对着答案抄，而是先思考再作答，然后看答案，再修正，再思考、作答循环往复，这样正式考试也能比不练习的学生考得更好。如果只是把答案死背下来，即使做对了练习题，也不能在正式考试中取得好成绩。
三、提取特征
特征在量化模型中常常被称为因子。例如，
量价因子：收益、交易量、收益排名、交易量排名等
财务因子：应付账款、应收账款、现金比率、每股收益、销售毛利率、每股净资产等
换手率因子：平均换手率、换手率排名等
基本信息因子：公司成立天数、申万一级行业类别、是否属于沪深300指数成份等
资金流因子：主力净流入净额、大单净流入占比、平均净主动买入额排名等
股东因子：户均持股比例、户均持股比例半年增长率、股东户数等
估值因子：市净率、市盈率、市销率、总市值、流通市值等
技术分析因子：MACD、RSI指标、收盘价的5日简单移动平均值等
BETA值因子：BETA值(上证综指)、BETA值(所在行业)等
波动率因子：波动率等
基金经理也会综合考虑上述因子，但基金经理主要是凭经验，而量化模型是通过机器去学习各个因子的权重。
四、特征处理
特征有了，label有了，是不是就可以开始训练了呢？
有的模型可以直接进入训练，但有的模型还需要进行特征处理。
最常见的特征处理方式就是缺失数据处理和特征转化。
缺失数据处理：删除缺失数据行/列，填充0、最小值、最大值、平均值等。
特征转化：log变换、one-hot编码等。
五、模型训练、预测
1、准备两个不同时间段的带label的数据集，早些的作为训练集，晚些的作为测试集。
2、选择一种训练模型，把训练集扔进去，模型就会自动训练了。
常见模型有：logistic回归模型、xgb树模型、深度学习模型
个人比较喜欢用树模型作为排序模型，使用简单、预测速度快、可解释性强。
3、把训练好的模型和测试集一起扔进对应的预测模型，模型就会给每行记录一个分数。如果你的label是未来收益率，那么分数越高预示着这只股涨的概率越大。
六、设定离线评估指标、评估策略效果
模型结束，会自动给出一些评价指标，例如NDCG、AUC、F1值等，有的还会给出特征权重。
量化投资里常常用一段时间的回测来评估策略效果。
回测是利用测试集数据的模型预测结果编写策略，并用测试集的历史数据对策略进行校验的过程。
回测模块需要设定策略的每日交易逻辑。
初始化：设置本金、手续费、持仓天数（hold_days）、最大持股数量、每只股票占用的最大资金比例、股票的权重分（分数越高的股票权重越大）。
主函数：资金分配（每日预期使用 1/hold_days 的资金）、生成卖出订单（卖出持仓股中分数低的股票）、生成买入订单（按权重分买入分数高的股票）。
七、上线、评估结果
前一天晚上，模型会把买入/卖出股票的份额跑出来，第二天按指令就可以进行交易，每隔一段时间可以回测效果，迭代模型。