基于机器学习的 A 股量化选股系统。
全市场选股策略 - 使用 LSTM 模型预测 5 日涨跌
| 指标 | 结果 |
|---|---|
| 收益率 | +74.84% |
| Sharpe | 1.566 |
| 最大回撤 | 47.04% |
| 测试期间 | 2025-04 ~ 2026-01 |
# 数据清洗
python -m pipeline.data_cleaning.clean
# 特征工程
python -m pipeline.data_cleaning.features
# 数据校验
python -m pipeline.data_validation.validate# 测试 LSTM 框架
python src/lstm/scripts/test_framework.py
# 运行扩展窗口策略实验
python src/lstm/scripts/run_experiments.py \
--strategies expanding_window \
--calculate_metrics
# 详细文档
# - 快速入门: docs/QUICKSTART_LSTM.md
# - 完整指南: src/lstm/README.mdgluttonous/
├── src/
│ └── lstm/ # LSTM 训练框架
│ ├── config.py # 配置文件
│ ├── models/ # 模型定义
│ ├── experiments/ # 实验框架
│ ├── scripts/ # 运行脚本
│ └── data/ # 数据目录（gitignore）
├── pipeline/ # 数据处理流水线
│ ├── data_cleaning/ # 数据清洗 & 特征工程
│ ├── data_validation/ # 数据校验
│ └── shared/ # 共享配置
├── docs/ # 文档 & 图表
├── archive/ # 历史版本归档
│ └── v0.3/ # 当前版本备份
└── .pipeline_data/ # 数据目录（gitignore）
NAS 存储：\\DXP8800PRO-A577\data\stock\gm\
- 分钟 K 线：2024-06 ~ 2026-01
- 股票数量：~4,210 只（排除 CSI300+500）
TOP_N = 10 # 每日持仓
PROB_THRESHOLD = 0.60 # 概率阈值
HOLDING_DAYS = 5 # 持有天数- 数据处理: Polars
- 深度学习: PyTorch + CUDA
- 模型: LSTM (hidden=128, layers=2)
MIT