14. 機器學習選股策略（教學骨架版）

參考來源：docs/_joinquant_migration_source/Example_14_機器學習選股.ipynb 第一個 Markdown cell。

14.1. 策略思路

• 原始思路爲“滑窗特徵 + SVM 二分類”；

• 教學骨架版強調 qteasy 的鏈路：特徵/預測 -> 信號 -> 回測；

• 默認實現不在回測循環中重複重訓練，而是用輕量規則近似模型輸出，避免性能和可復現問題。

14.2. 誠實說明

• 若要使用真實機器學習模型，建議在策略外離線訓練並固化預測結果，再在策略中讀取；

• 這樣更容易避免前視偏差，並控制優化模式的運行成本。

from examples.strategies.example_strategies import Example14MLSkeleton
import qteasy as qt

stg = Example14MLSkeleton()
op = qt.Operator(stg, signal_type='PS')
op.op_type = 'stepwise'
op.set_blender('1.0*s0')
res = qt.run(
    op,
    mode=1,
    asset_type='E',
    asset_pool=['600000.SH'],
    benchmark_asset='600000.SH',
    invest_start='20190101',
    invest_end='20211231',
    invest_cash_amounts=[1000000],
    trade_batch_size=100,
    sell_batch_size=1,
    trade_log=True,
)

14.3. 可執行腳本

• examples/strategy_example_14.py