最佳算法是什么？
这取决于您的目标-最佳算法将取决于您要花费多少credit额度，对功能选择的满意程度以及您在模型构建中所处的阶段。 对于您的第一个模型，我们建议使用``组合特征测试仪(Combination Feature Tester)''-它便宜，可以有效消除特征噪声，并且性能相对较高。 一旦拥有了一套适合自己的功能，并且对组合功能测试器模型的性能良好感到满意-我们建议您建立``皇家大战(Battle Royale)''或``皇家大战降噪(Battle Royale Noise Reduction)''功能。 这些算法比组合特征测试器昂贵，但通常性能更高。
哪些算法由Boosted创建，哪些算法来自现成的标准库？
皇家大战Battle Royale或皇家大战降噪Battle Royale Noise Reduction是Boosted机器学习团队内部创建的算法。 随机森林(Random Forest)，通用增强(Generalized Boosting)或组合功能测试器(Combination Feature Tester)是从现成的标准机器学习库中创建的。
最佳目标(goal)是什么？
使用的最佳目标通常是最大化Alpha (Maximize Alpha)。 “ alpha”表示算法正在尝试针对alpha（而非原始收益）进行优化，可能会降低选择的波动性和beta。
您可以一次选择多个指数吗？
是的，您可以使用“股票搜索(stock search)”功能一次选择多个指数。 在“股票Universe”页面上单击“股票搜索”，然后选择“索引(search)”以及您要使用的任何索引。
我的回测只允许我回到某个日期-为什么？
回测仅限于我们认为我们拥有高质量数据的地方。 我们需要在每个回测期之前有将近十年的数据，因此从2004年到2021年的回测实际上需要1994年的数据，以便进行正确的训练。 如果您选择的基准或索引中我们没有良好的会员数据，那么您的回测将受到限制。 此外，我们不允许在2000年之前进行回测，因为1990年之前的数据质量不符合我们的标准。
选择投资展望期与重新平衡期有什么不同？
重新平衡期(rebalance period)是模型交易的频率，而投资展望(investment horizon)是机器优化收益的时间段。
使用每周再平衡是否有1年的展望期有意义吗？?
您可以设定1年的展望起，每天或每周重新平衡-机器会尝试寻找它认为在明年表现最佳的股票。 该机器可以很好地解决1年问题，可是由于重新平衡时间较短，您的投资组合结果可能不那么好。 在这些情况下，我们建议您尝试多种不同的组合构建选项，包括调整重新平衡频率和调整信号平滑度。 您可以在模型完成后对所有这些选项进行调整，而无需创建新模型。
Boosted ratios是什么?
Boosted Ratio是一组变量，我们在多个Universe中都取得了良好的总体成功。 它们为构建您的第一个模型提供了一个很好的起点。
我如何知道要选择哪些变量(Variable)？
您应该选择您认为最有意义的变量，并在评估公司的正常过程中使用这些变量。 例如，如果您查看收入增长，则选择1个季度收入中的1个季度百分比变化。 如果太短，请选择1 Year Year Year Change of Year Year…或同时选择两者！ 在模型训练之后创建的可解释性将帮助您确定哪些变量有用或无效，并且可以在下一个模型构建中更改变量。
如果找不到所需的变量(variable)怎么办？
尝试使用稍微不同的搜索字词，如果您要查找EBITDA，则可能是EBIT＆DA或类似的字词。 因此，请尝试使搜索更简单以扩展结果。 如果仍然找不到所需的变量，则有可能我们没有该数据。 如果您自己有数据，则可以尝试使用我们的“自定义数据上传(Custom Data Upload)”功能上传数据。
Boosted credit是如何运作的？
每个模型要花费一定数量的积分才能运行。 学分的数量主要取决于模型的类型，股票池的大小，回测范围，训练频率和变量的数量。 之所以使用积分，是因为在训练新模型时会产生计算成本（但在现有模型上创建新标签时则不会）。 如果构建的大型模型超出我们的预期，则可以避免我们付出高昂的成本。 如果您在任何时候额度不足，请与我们联系。