立项原因:跨市场选股需要把分散的因子、行情与回测流程整合成可复现的方法,避免手工筛选带来的偏差与回测不一致。行业场景:面向覆盖 A 股、港股与美股的量化选股与组合研究,项目以开源形式发布,仓库为 github.com/Asher-S-Wu/Vectaix-Finance,获得 168 GitHub Stars,示例图为仓库 docs 中的回测绩效与因子重要性图表。
点击空白处退出提示
立项原因:跨市场选股需要把分散的因子、行情与回测流程整合成可复现的方法,避免手工筛选带来的偏差与回测不一致。行业场景:面向覆盖 A 股、港股与美股的量化选股与组合研究,项目以开源形式发布,仓库为 github.com/Asher-S-Wu/Vectaix-Finance,获得 168 GitHub Stars,示例图为仓库 docs 中的回测绩效与因子重要性图表。
Vectaix-Finance 是一个多因子选股模型,覆盖 A 股、港股与美股。功能模块包括:1、多因子构建与处理,为股票打分提供可比较的因子输入;2、LightGBM 集成建模,用集成模型学习因子与收益的关系;3、walk-forward 训练,按时间滚动训练以减少未来信息干扰;4、股票排序与组合回测,按模型分数排序并对组合表现做回测。项目仓库为 github.com/Asher-S-Wu/Vectaix-Finance,获得 168 GitHub Stars。
我负责该开源项目的整体开发与维护,涵盖多因子构建、模型训练、股票排序与组合回测的实现。技术上以 Python 为主,采用 LightGBM 集成建模与 walk-forward 训练,注重时间切分的严谨性与回测流程的可复现性,示例图展示了回测绩效与因子重要性结果。



评论