DeepAIpha是个简易的模型训练测试框架。
共三组实验:
- phase1: train on [2015, 2016, 2017, 2018]， valid on 2019, test on 2020
- phase2: train on [2016, 2017, 2018, 2019], valid on 2020， test on 2021
- phase3: train on [2017, 2018, 2019, 2020], valid on 2021, test on 2022 ./config 保存各个实验配置. yaml文件，文件名遵循(MODEL)/(PHASE)/(ID) /model 保存各种模型的结构，定义 /results analysis:分析类的图表 ckpts:模型的checkpoints logs:训练和测试时的1og文件 preds:模型输出预测. feather文件 tsboards:保存训练中的loss, ic等信息，可直接load查看tensorboard /scale 保存数据预处理中的scale . pk1文件 /data 保存原始. feather文件 / temp 保存中间数据分别在. /data和./seq data /util: 一些util和help functions
step1:对原始dataframe进行RobustScale, 每一个phase仅对train set fit值并transform到valid, test. 上 对应文件: ./utils/scale . py step2:生成Torch Dataset等中间文件，训练时直接load到内存 对应文件: . /utils/seq data_ dump. py dump后的数据保存在. /temp/seq_ data/ (phase)中’ step3:配置超参数和其他实验设置 对应文件夹: .. /Localformer/phase1, 2, 3中 三组实验不同phase模型结构均保持致 step4:运行train. py和test . py即可，文件保存在. /results中 可直接按照model, phase, id查询子文件夹即可 python train.py -C config/Local former/phase1/ Localformer 01 yaml python test.py -C config/Localformer/phase1/Localformer 01 . yaml
目前最优的模型是. /model/localformer. ts .py,参数配置详见. /config/Localformer/phase* 合并三组实验结果在[ / cpfs/ shared/ zzhao2/new_ localformer preds . feather中 合并后的rcor图表结果在/cpfs/ shared/ zzhao2/DeepAlpha/ report/中