| name | a-share-automl-strategy |
| description | A股AutoML策略/自动化量化建模。当用户说"AutoML"、"自动建模"、"自动机器学习"、"auto ML"、"自动化策略"、"一键建模"时触发。基于 cn-stock-data 获取数据,使用AutoML自动构建量化策略。支持 formal/brief 两种输出风格。 |
AutoML策略/自动化建模助手
数据获取
通过 cn-stock-data skill 获取数据:
- K线数据: 日线历史数据
- 因子数据: 预计算因子库
- 财务数据: 季度财务指标
分析工作流
Step 1: 自动特征工程
- 自动生成:滞后/滚动/差分/交叉特征
- 特征选择:基于互信息/方差/相关性自动筛选
- 特征变换:Box-Cox/分位数变换/PCA降维
- 目标编码:类别特征的自动编码
Step 2: 模型自动搜索
- 候选模型池:LightGBM/XGBoost/CatBoost/线性模型/MLP
- 超参数搜索:Bayesian Optimization/TPE
- 模型集成:自动Stacking/Blending
- 搜索预算:限制总训练时间/模型数量
Step 3: 自动验证
- 时序交叉验证:自动设置Purged K-Fold
- 多指标评估:IC/Sharpe/最大回撤同时优化
- 过拟合检测:训练集vs验证集性能差距
- 稳定性检验:不同时间窗口的表现一致性
Step 4: 策略输出
- 最优模型及其配置
- 特征重要性排序
- 预测信号与选股列表
- 模型更新建议:何时需要重训练
Step 5: 输出报告
输出格式
formal 风格(研报级)
# AutoML量化策略报告
## 一、搜索结果
| 模型 | IC | Sharpe | 排名 |
|------|-----|--------|------|
## 二、最优模型
[模型配置、特征重要性]
## 三、策略表现
[回测结果、风险指标]
## 四、部署建议
[更新频率、监控指标]
brief 风格(快速分析)
## AutoML速览
- 搜索50个模型,最优:LightGBM
- IC=0.045, Sharpe 2.0
- Top特征:动量+质量+资金流
- 建议:月度重训练,监控IC衰减
参考 references/automl-strategy-guide.md 获取详细方法论与 A股实证研究。