【CatBoost 系列 第6讲】概率输出与风险分层在选股模型中的应用
说明怎样把 CatBoost 的分类概率转成分层、分组和风险规则,避免把概率数字直接当成仓位或收益率解释。
阅读全文说明怎样把 CatBoost 的分类概率转成分层、分组和风险规则,避免把概率数字直接当成仓位或收益率解释。
阅读全文从全局重要性、单样本归因和坏样本复盘三个层面,说明怎样用 CatBoost 的解释结果辅助模型复核、异常排查和研究迭代。
阅读全文从事件时间对齐、事件自身特征和市场背景特征出发,说明怎样把财报与公告样本整理成适合 CatBoost 训练的事件驱动数据表。
阅读全文围绕学习率、树深、正则和早停的调参顺序,说明 CatBoost 在量化任务里怎样优先得到稳定结果,而不是偶然的高验证分数。
阅读全文聚焦量化样本表的输入规范,说明 CatBoost 在类别特征、缺失值和时间切分上的正确处理方式,避免随机切分与错误编码造成验证失真。
阅读全文本讲把前面几讲得到的价格、收益率和上涨日结果汇总成一份最小行情摘要,完成从环境检查、数据组织、批量计算到结果输出的 starter 闭环。
阅读全文