感谢大佬分享！

请问机器学习打分模块的.json文件在哪里可以看到？

@Orange666 指的是 write_file('score171.json',json.dumps(score),append=True) 对吧？这个会自动存到研究环境中。看一下代码中的74行-77行，注意要把g.__scoreWrite设定成TRUE

@Orange666 当时没有考虑这方面的原因是这样的：保证外部其他条件一致的情况下来验证基本面因子的有效性。如果既考虑择股，又考虑择时，就最终没有办法判断收益是因为择时还是择股获得的。研究的结果可能会更复杂，我一个人的力量比较难以驾驭。但在实盘中，我觉得是可以考虑的。

@quant.show 谢谢您的回复！ 您的意思是指 如果把g.__scoreWrite设定成TRUE 策略代码回测运行结束后 .json文件就会自动保存在研究环境中 然后就可以查看打分的结果是吗？

@Orange666 研究环境的根目录

这篇文章是我的毕业论文，已经在知网上可以翻阅，有兴趣的话可以参考如下：https://kns.cnki.net/kcms/detail/detail.aspx?dbcode=CMFD&dbname=CMFD202001&filename=1020618267.nh&v=Zqk2nslvMa8cWy99puNGWWCAgWgBKV2sbFwPU6QducIH%mmd2BFNbaR3EuqphgqBpsCsu

使用这个策略实时跑的时候，会报错：  2021-07-09 10:36:00 - ERROR - Traceback (most recent call last): File "/tmp/jqcore/jqboson/jqboson/core/loop/loop.py", line 282, in _handle_message message.callback(**message.callback_data) File "/tmp/jqcore/jqboson/jqboson/core/mds/market_data_subscriber.py", line 228, in broadcast consumer.send(market_data) File "/tmp/jqcore/jqboson/jqboson/core/mds/market_data_consumer_manager.py", line 59, in consumer_gen msg_callback() File "/tmp/jqcore/jqboson/jqboson/core/mds/market_data_consumer_manager.py", line 52, in msg_callback callback(market_data) File "/tmp/jqcore/jqboson/jqboson/core/mds/market_data_consumer_manager.py", line 122, in wrapper result = callback(*args, **kwargs) File "/tmp/jqcore/jqboson/jqboson/core/strategy.py", line 407, in _wrapper self._context.current_dt File "/tmp/strategy/user_code.py", line 272, in handle_data df_train = get_df_train(g.__q,yesterday,g.__trainlength,g.__intervals) AttributeError: 'StrategyGlobals' object has no attribute '__q'

@quant.show 感谢分享。明年毕业，也想做个机器学习选股的毕设

@quant.show 毕业快乐。

学习一下

刚入到就放弃系统

多看看也好咧

学习 好文！

感谢分享

g.__trainlength = 4 训练集合成间隔周期（交易日） g.__intervals = 21 def get_df_train(q,d,trainlength,interval): date1 = shift_trading_day(d,interval) date2 = shift_trading_day(d,interval*2) date3 = shift_trading_day(d,interval*3) d1 = get_fundamentals(q, date = date1) d2 = get_fundamentals(q, date = date2) d3 = get_fundamentals(q, date = date3) if trainlength == 1: df_train = d1 elif trainlength == 3: # 3个周期作为训练集 df_train = pd.concat([d1, d2, d3],ignore_index=True) elif trainlength == 4: date4 = shift_trading_day(d,interval*4) d4 = get_fundamentals(q, date = date4) 4个周期作为训练集 df_train = pd.concat([d1, d2, d3, d4],ignore_index=True) 感觉这段代码 是 训练集的 抽样，每隔__intervals 21天抽一次，然后抽4次__trainlength，可以这么理解吗，请教 quant.show

另外如果总股本不变的情况下 就是在直接预测收盘价，可以这么理解吗？如果像其它机器学习模型的做法，使用未来一段时间的涨跌幅 做为 标签y 会和当前的做法有什么差别呢

请问不需要做因子的有效性检验吗？可以直接用机器学习回归？

我想问一下各位大佬，我想用这个模型的数据画ROC图，应该怎么做呢