教學

機器學習

本頁內容6

這一頁帶你用機器學習選股：合併特徵 → 產生標籤 → 訓練模型 → 回測。finlab.ml 負責把資料整理成模型吃得下的格式，並把 qlib 的 LightGBM、XGBoost、CatBoost 等模型包成一致的用法。

安裝

安裝 FinLab 的 Qlib 相依套件（包含 TA-Lib 與支援平台上的模型函式庫）：

pip install 'finlab[qlib]'

finlab[qlib] 已包含 LightGBM、XGBoost、CatBoost 等模型函式庫；PyTorch 在支援的平台上也會一起安裝。

單獨安裝或更新模型函式庫

請參考各自的官方文件：

四個步驟完成 ML 選股

合併特徵

finlab.ml.feature.combine() 把多個來源的特徵（技術面、基本面、自訂）合成一張表，並用 resample 重新取樣。下面把股價淨值比和本益比合成一組每週的特徵：

from finlab import data
from finlab.ml import feature as mlf

features = mlf.combine(
    {
        'pb': data.get('price_earning_ratio:股價淨值比'),
        'pe': data.get('price_earning_ratio:本益比'),
    },
    resample='W',
)

features.head()

	pb	pe
(Timestamp('2010-01-04 00:00:00'), '1101')	1.47	18.85
(Timestamp('2010-01-04 00:00:00'), '1102')	1.44	14.58
(Timestamp('2010-01-04 00:00:00'), '1103')	0.79	40.89
(Timestamp('2010-01-04 00:00:00'), '1104')	0.92	73.6

美股的股價淨值比和本益比從財報計算（S&P 500 成分股）：

from finlab import data
from finlab.ml import feature as mlf

data.set_market('us')
with data.us_universe(index='SP500'):
    raw_close = data.get('price:close')  # 估值用未還原股價
    market_value = data.get('etl:us_market_value')
    eps = data.get('us_income_statement:eps_diluted')
    equity = data.get('us_balance_sheet:total_stockholders_equity')

ttm_eps = eps.rolling(4).sum()  # 近四季 EPS
features = mlf.combine(
    {
        # 分母為正時才計算比率
        'pb': market_value / equity[equity > 0],
        'pe': raw_close / ttm_eps[ttm_eps > 0],
    },
    resample='W',
)

features.head()

索引是（datetime, instrument），例如（2024-01-07, 'AAPL'），每個特徵一欄：pb 與 pe。

結果的索引是（datetime, instrument）：每個日期、每檔股票一列，每個特徵一欄。

產生標籤

標籤是模型要預測的答案，例如每檔股票下一週的報酬。finlab.ml.label 的函式吃特徵的索引，回傳索引相同的 Series，可以和特徵逐列配對。resample 要和 combine() 用的一樣，日期才對得上：

from finlab.ml import label as mll

labels = mll.return_percentage(features.index, resample='W', period=1)

其他標籤（當沖報酬、MAE/MFE、超額報酬）見下方換一種標籤。

切分資料並訓練模型

用日期切出訓練集與測試集：2020 年前的資料拿來訓練，之後的資料拿來預測。只用特徵和標籤都齊全的列訓練：

import finlab.ml.qlib as q

complete = features.notna().all(axis=1) & labels.notna()
is_train = features.index.get_level_values('datetime') < '2020-01-01'
X_train = features[complete & is_train]
y_train = labels[complete & is_train]
X_test = features[~is_train]

model = q.LGBModel()
model.fit(X_train, y_train)
y_pred = model.predict(X_test)

model.predict() 回傳一張日期 × 股票的預測值表。

回測

挑出每期預測值最高的 50 檔，用 sim 回測，算出策略的報酬與風險指標：

from finlab.backtest import sim

position = y_pred.is_largest(50)

sim(position, resample='4W')

加入技術指標特徵

finlab.ml.feature 提供 ta_names 和 ta 兩個函式，產生 TA-Lib 技術指標特徵。

產生指標名稱：ta_names

ta_names 產生一組 TA-Lib 指標名稱，每個名稱對應一組參數設定。

n：每個指標隨機產生的參數組數。n=10 表示每個 TA-Lib 指標最多有 10 組不同參數；沒有參數的指標只出現一次。

from finlab.ml import feature as mlf

mlf.ta_names(n=1)

['talib.HT_DCPERIOD__real__',
 'talib.HT_DCPHASE__real__',
 'talib.HT_PHASOR__quadrature__',
 'talib.HT_PHASOR__inphase__',
 'talib.HT_SINE__sine__',
 'talib.HT_SINE__leadsine__'
 ...
 ]

計算指標值：ta

ta 根據 ta_names 產生的名稱列表，計算對應的指標值。

resample：選填，把算出來的指標值重新取樣到指定頻率。

from finlab.ml import feature as mlf

mlf.ta(
    [
        'talib.HT_DCPERIOD__real__',
        'talib.HT_DCPHASE__real__',
        'talib.HT_PHASOR__quadrature__',
    ],
    resample='W',
)

	talib.HT_DCPERIOD__real__	talib.HT_DCPHASE__real__
(Timestamp('2024-04-07 00:00:00'), '9951')	23.4372	122.135
(Timestamp('2024-04-07 00:00:00'), '9955')	18.4416	68.0654
(Timestamp('2024-04-07 00:00:00'), '9958')	30.1035	-10.7866
(Timestamp('2024-04-07 00:00:00'), '9960')	17.5025	94.0009
(Timestamp('2024-04-07 00:00:00'), '9962')	23.2931	90.0781

resample='W' 會把日期移到每週的標籤日（星期日），每檔股票每週一列。

合成一組技術指標特徵

把 ta() 的結果交給 combine()。下面從 RSI、MACD、ATR 各隨機產生 3 種參數配置：

from finlab.ml import feature as mlf

# RSI、MACD、ATR 各隨機產生 3 種參數配置
names = [
    name
    for name in mlf.ta_names(n=3)
    if name.startswith(('talib.RSI__', 'talib.MACD__', 'talib.ATR__'))
]
technical = mlf.combine({'talib': mlf.ta(names)}, resample='W')

from finlab import data
from finlab.ml import feature as mlf

data.set_market('us')
# RSI、MACD、ATR 各隨機產生 3 種參數配置
names = [
    name
    for name in mlf.ta_names(n=3)
    if name.startswith(('talib.RSI__', 'talib.MACD__', 'talib.ATR__'))
]
with data.us_universe(index='SP500'):
    technical = mlf.combine({'talib': mlf.ta(names)}, resample='W')

結果的索引同樣是（datetime, instrument），每個指標輸出一欄，欄名如 talib.RSI__real__timeperiod__37__、talib.MACD__macdsignal__fastperiod__48__slowperiod__104__signalperiod__36__。指標用目前設定的市場與股票池的股價計算。

換一種標籤

finlab.ml.label 提供多種報酬與風險標籤：

函式	標籤內容	`resample`	`period`
`daytrading_percentage`	下一個交易日從開盤到收盤的報酬（當沖）	有，預設 `'D'`	無
`return_percentage`	未來 N 期的報酬，用於分析中長期表現	有	有
`maximum_adverse_excursion`	MAE：持有期內的最大不利變動	目前不支援	有
`maximum_favorable_excursion`	MFE：持有期內的最大有利變動	目前不支援	有
`excess_over_median`	相對同期全市場報酬「中位數」的超額報酬	有	有
`excess_over_mean`	相對同期全市場報酬「均值」的超額報酬	有	有

resample：需與 combine 的 resample 一致，以對齊時間。
period：計算未來 N 期的變化，一期的長度由 resample 定義。

from finlab.ml import label as mll

label = mll.return_percentage(features.index, resample='W', period=1)
label = mll.maximum_adverse_excursion(features.index, period=1)
label = mll.maximum_favorable_excursion(features.index, period=1)
label = mll.excess_over_median(features.index, resample='W', period=1)
label = mll.excess_over_mean(features.index, resample='W', period=1)

當沖報酬的例子（特徵是日資料，用預設的 resample）：

from finlab.ml import feature as mlf
from finlab.ml import label as mll

feature = mlf.combine(...)
label = mll.daytrading_percentage(feature.index)

datetime    instrument
2007-04-23  0015          0.000000
            0050          0.003454
            0051          0.004874
            0052          0.006510
            01001T        0.001509
dtype: float64

請確保 index 與市場設定正確；標籤可直接搭配特徵用於模型訓練。

換一個模型

WrapperModel 將 LightGBM、XGBoost、CatBoost、線性模型、TabNet、DNN 等模型封裝成統一的 fit / predict 介面，讓你專注在特徵與策略，不必陷入模型細節。每個模型的用法都一樣，只要換掉建立模型的那一行：

import finlab.ml.qlib as q

model = q.XGBModel()  # 換成下表任一個
model.fit(X_train, y_train)
y_pred = model.predict(X_test)

模型	封裝的模型
`LGBModel`	LightGBM
`XGBModel`	XGBoost
`DEnsmbleModel`	雙重集成模型
`CatBoostModel`	CatBoost
`LinearModel`	線性模型
`TabnetModel`	TabNet
`DNNModel`	深度神經網絡

一次試多個模型：get_models

get_models() 取得可用模型的清單，方便進行多模型試驗：

import finlab.ml.qlib as q

# 獲取所有可用的模型
models = q.get_models()

# 列印出所有模型的名稱
print(list(models.keys()))

# 選擇一個模型進行實例化，例如 LightGBM
model = models['LGBModel']()

# 假設已經準備好了訓練數據和測試數據 X_train, y_train, X_test
model.fit(X_train, y_train)

# 使用訓練好的模型進行預測
y_pred = model.predict(X_test)

下一步

機器學習策略流程從特徵到上線的完整 ML 策略開發流程。
機器學習選股範例一個可以直接執行的 ML 選股策略。
因子分析訓練前先看哪些因子真的有效。
finlab.ml 特徵、標籤與模型函式的完整參數。

這一頁有幫到你嗎？