预测模型：模型训练与预测

介绍

预测模型（Forecast Model）``旨在生成股票的`预测分数`。用户可以通过``qrun``在自动化工作流中使用``预测模型，详情请参考`工作流：工作流管理 <workflow.html>`_。

由于``Qlib``中的组件采用松耦合设计，``预测模型``也可以作为独立模块使用。

基类与接口

``Qlib``提供了一个基类`qlib.model.base.Model <../reference/api.html#module-qlib.model.base>`_，所有模型都应继承自该基类。

基类提供以下接口：

class qlib.model.base.Model

可学习模型

fit(dataset: Dataset, reweighter: Reweighter)

从基础模型学习模型

备注

学习模型的属性名称不应以'_'开头，以便模型可以序列化到磁盘。

以下代码示例展示如何从dataset获取`x_train`、y_train`和`w_train:

# 获取特征和标签
df_train, df_valid = dataset.prepare(
    ["train", "valid"], col_set=["feature", "label"], data_key=DataHandlerLP.DK_L
)
x_train, y_train = df_train["feature"], df_train["label"]
x_valid, y_valid = df_valid["feature"], df_valid["label"]

# 获取权重
try:
    wdf_train, wdf_valid = dataset.prepare(["train", "valid"], col_set=["weight"],
                                           data_key=DataHandlerLP.DK_L)
    w_train, w_valid = wdf_train["weight"], wdf_valid["weight"]
except KeyError as e:
    w_train = pd.DataFrame(np.ones_like(y_train.values), index=y_train.index)
    w_valid = pd.DataFrame(np.ones_like(y_valid.values), index=y_valid.index)

参数

datasetDataset: 数据集将生成模型训练所需的处理后的数据

abstractmethod predict(dataset: Dataset, segment: str | slice = 'test') → object

根据数据集进行预测

参数

datasetDataset: 数据集将生成模型训练所需的处理后的数据
segmentText or slice: 数据集将使用该片段准备数据 (默认="test")

返回

预测结果，类型可能为`pandas.Series`等

``Qlib``还提供了一个基类`qlib.model.base.ModelFT <../reference/api.html#qlib.model.base.ModelFT>`_，包含模型微调的方法。

关于其他接口如`finetune`，请参考`模型API <../reference/api.html#module-qlib.model.base>`_。

示例

Qlib``的`模型库（Model Zoo）`包含``LightGBM、MLP、``LSTM``等模型。这些模型被视为``预测模型``的基准。以下步骤展示如何将``LightGBM``作为独立模块运行。

首先使用`qlib.init`初始化``Qlib``，详情请参考`初始化 <../start/initialization.html>`_。

运行以下代码以获得预测分数 pred_score

from qlib.contrib.model.gbdt import LGBModel
from qlib.contrib.data.handler import Alpha158
from qlib.utils import init_instance_by_config, flatten_dict
from qlib.workflow import R
from qlib.workflow.record_temp import SignalRecord, PortAnaRecord

market = "csi300"
benchmark = "SH000300"

data_handler_config = {
    "start_time": "2008-01-01",
    "end_time": "2020-08-01",
    "fit_start_time": "2008-01-01",
    "fit_end_time": "2014-12-31",
    "instruments": market,
}

task = {
    "model": {
        "class": "LGBModel",
        "module_path": "qlib.contrib.model.gbdt",
        "kwargs": {
            "loss": "mse",
            "colsample_bytree": 0.8879,
            "learning_rate": 0.0421,
            "subsample": 0.8789,
            "lambda_l1": 205.6999,
            "lambda_l2": 580.9768,
            "max_depth": 8,
            "num_leaves": 210,
            "num_threads": 20,
        },
    },
    "dataset": {
        "class": "DatasetH",
        "module_path": "qlib.data.dataset",
        "kwargs": {
            "handler": {
                "class": "Alpha158",
                "module_path": "qlib.contrib.data.handler",
                "kwargs": data_handler_config,
            },
            "segments": {
                "train": ("2008-01-01", "2014-12-31"),
                "valid": ("2015-01-01", "2016-12-31"),
                "test": ("2017-01-01", "2020-08-01"),
            },
        },
    },
}

# 模型初始化
model = init_instance_by_config(task["model"])
dataset = init_instance_by_config(task["dataset"])

# 开始实验
with R.start(experiment_name="workflow"):
    # 训练
    R.log_params(**flatten_dict(task))
    model.fit(dataset)

    # 预测
    recorder = R.get_recorder()
    sr = SignalRecord(model, dataset, recorder)
    sr.generate()

备注

Alpha158`是``Qlib``提供的数据处理器，详情请参考`数据处理器。 SignalRecord`是``Qlib``中的`记录模板，详情请参考`工作流 <recorder.html#record-template>`_。

此外，上述示例已在``examples/train_backtest_analyze.ipynb``中给出。从技术上讲，模型预测的含义取决于用户设计的标签设置。默认情况下，分数通常表示预测模型对工具的评级。分数越高，工具的收益越高。

自定义模型

Qlib支持自定义模型。如果用户有兴趣定制自己的模型并将其集成到``Qlib``中，请参考`自定义模型集成 <../start/integration.html>`_。

API

请参考`模型API <../reference/api.html#module-qlib.model.base>`_。