第8名解决方案

首先，感谢 JPX 主办了如此有趣的比赛，也感谢所有分享想法和代码的贡献者。这对理解比赛目标以及如何着手解决问题帮助巨大。这是我们（@MrChrissie 和我）第一次参加金融领域的比赛，通过其他人的分享，我们学到了大量的知识。

这篇帖子是受 @flat831 启发而写的，他之前发布了他的团队方案。

方法与模型

经过大量的试错，我们提出了一个相对简单的想法。

我们根据 33SectorName（33个行业名称）将股票分组，并为每个组训练了一个独立的 LGBM 回归模型。我们的整个模型由针对每个行业的一个 LGBM 模型组成。这个想法是基于同行业的股票往往具有相关性这一假设。我们模型的预测目标是变化率，即目标列。在提交时，我们对预测的变化率进行了排名。

由于最后时间紧迫，我们使用 Optuna 对所有股票调优了单个 LGBM 模型，然后将得到的超参数值用于我们的子模型。

我们只调优了以下参数：

• num_leaves（叶子数量）
• max_depth（最大深度）
• learning_rate（学习率）
• n_estimators（估计器数量）

在训练方面，我们使用了 stock_price 和 stock_list 文件中的可用特征。