自定义博客皮肤VIP专享

*博客头图:

格式为PNG、JPG,宽度*高度大于1920*100像素,不超过2MB,主视觉建议放在右侧,请参照线上博客头图

请上传大于1920*100像素的图片!

博客底图:

图片格式为PNG、JPG,不超过1MB,可上下左右平铺至整个背景

栏目图:

图片格式为PNG、JPG,图片宽度*高度为300*38像素,不超过0.5MB

主标题颜色:

RGB颜色,例如:#AFAFAF

Hover:

RGB颜色,例如:#AFAFAF

副标题颜色:

RGB颜色,例如:#AFAFAF

自定义博客皮肤

-+
  • 博客(192)
  • 收藏
  • 关注

原创 专注并不意味只做一件事

好比我现在对于阅读和书籍的预期,里面有一个观点或者一个结论触动了我,或者能够提升的我一点认知,对于践行有一点帮助,我都觉得非常值了。降息周期中,投资者应关注美联储的最后一次降息,这通常意味着经济基本面达到极点,流动性宽松,经济好转时,股票和商品市场会受益。用户端的价值是理财投资、财富增长,个人成长,人生意义,生产效率,认知体系等。量化,可以外延AI,大模型,金融宏观,科技前沿,资管,人生,成长等等。其实投资世界里的逻辑就是网状的,相互影响的,以概率的方式运行。认知也好,投资也罢,其实都是自己的事情。

2024-09-22 09:08:19 140

原创 Quantlab5.12源码发布:策略优化至年化收益61.9%,最大回撤-13.3%(python代码+数据)

all_sell = _rules(task.select_sell, b_or=True) # 卖出 求或,满足一个即卖出。3、全新的回测引擎——这一版本的重写,个人是比较满意的,基本都是向量化计算,可以达到极速回测之效果。quantlab代码交付至5.X版本,含几十个策略源代码,因子表达式引擎、如果你发现自己没有特别擅长的事情,那就去读书,分享读书心得也可以。原创内容第656篇,专注量化投资、个人成长与财富自由。一层秋雨一层凉,上班途中雨大,北京正式入秋了。美联储降息,符合预期,美股暴涨。

2024-09-20 10:35:33 855

原创 第6天:趋势轮动策略开发(年化18.8%,大小盘轮动加择时)

例如,在农产品期货市场中,不同作物的生长周期和供需关系会导致价格波动,投资者可以通过轮动策略在不同作物之间进行配置,以实现收益最大化。signal = np.where(factor

2024-09-19 09:39:08 749

原创 单指标RSRS沪深300择时:​年化13.7%,最大回撤-16​%(附代码与策略下载)

它通过分析一定时间窗口内的最高价和最低价,使用线性回归模型来计算斜率,以此来反映市场在该时间窗口内的阻力和支撑的相对强度。人们发生争论的时候,他们会重点参考你的结论。正如两位作者所说,书中“各种观点和各项练习,都可以应用在商业新闻、艺术、设计、工程、社区建设和创业等各个领域”,可以说是一套通用的攻略。生成交易信号:根据RSRS指标的值与设定的阈值进行比较,超过阈值时可能触发买入信号,低于阈值的相反数值时可能触发卖出信号。想象你做一个社科类的课题,比如我在光华的课宏观经济学的课题—“亚洲金融风暴下的韩国”。

2024-09-18 11:04:07 906

原创 年化60.7%,最大回撤-16.5%,RSRS标准分择时效果差不多

一点感受,复杂且高大上的指标,看起来很酷,其实过拟合和失效的可能性更高。有时候,回归到简单的指标,比如均线,ATR,RSI等经典指标反而会有惊喜。XT = np.stack([np.vstack([ones_vector, row]) for row in x]) # 加入常数项。年化60.7%,最大回撤-16.5%,RSRS标准分择时效果差不多。人有悲欢离合,月有阴晴圆缺,此事古难全。擅长的事(how), 你才能交付你的价值,这是交换规律决定的。重要的事(why),这是你的价值观,是一切的原点。

2024-09-17 09:15:31 604

原创 ML4T:把机器学习驱动交易做成标准的pipeline(流)的​模式

因子集的生成当然也可以自动化,人工可干预的模式,比如自动挖掘,自动筛选,人工给一些建议或者修改,自动合成,自动评价,前向滚动更新迭代等。机器驱动的交易系统,比传统的信号驱动的系统,更容易标准化,ML4T主要就是因子集,使用什么样的因子集,其余都是可以标准化。周期上行时,顺风顺水,偶尔还能兑现一些期权,大房子,豪车,国际学校,全职主妇。在迷茫的时候,或者心情低落的时候,或者事业不顺的时候,多读书。擅长的事(how), 你才能交付你的价值,这是交换规律决定的。重要的事(why),这是你的价值观,是一切的原点。

2024-09-16 10:09:03 1008

原创 Quantlab 5.11含ETF策略年化52%以及卡玛比4.79的债券策略(全量ETF后复权数据下载)

all_sell = _rules(task.select_sell, b_or=True) # 卖出 求或,满足一个即卖出。而商业系统里,最重要的是“有价值的产品”。2、全量ETF历史日线,一共200多万行,1200+多支ETF,以及LOF基金。本书就重要的观点:最重要的事情就是当你完成这件事后,其他事情变得不重要或不必须。quantlab代码交付至5.X版本,含几十个策略源代码,因子表达式引擎、把有限的时间聚焦到最重要的事情上。我们想做的事情太多,难免分散注意力。1、本周所有的策略,含如上两个策略。

2024-09-13 09:06:04 666

原创 ​年化收益52%,最大回撤13%,卡玛比率3.77,ETF轮动系列大有可为(附策略代码和数据下载)。

践行“N阶行动”,公众号日更快两年,星球等持续输出。从符合上述条件的ETF中,按涨幅从高到低排序,选择前2个进行买入。如果说,昨天推荐的书是讲“目标到系统”,是提供了一个方向。'516510.SH', # 云计算(信息技术)原创内容第648篇,专注量化投资、个人成长与财富自由。N=1,一件事,先干十天再评价。'512660.SH', # 军工(军工)'512510.SH', # 中证500。策略还有优化的空间,这个系列会持续做,主要是思路。下面是ETF池,没有特别选择所谓的“未来视角”。

2024-09-12 11:15:48 408

原创 年化12.6%,最大回撤才2.6的债券​轮动策略,卡玛比4.79,稳稳的幸福

另外就是日线价量数据,基本就足够量化回测使用,而且我们直接同步后复权数据——与真实价格有差别,但不影响结果。场内基金今天的准确数字是1426支,含LOF,跨全球市场,跨股票、债券、商品,REITs等,足够了。因此,量化实验室,专注ETF/LOF市场,把事情做扎实,创造真实的价值。好执行大于好点子,好产品是持续打磨出来的,战线太长就不容易打磨精致。平台的扩展性在于因子扩展,包含因子挖掘,还有后续的实盘自动化对接。企业本身也要专注,有所不为,有所必为。3、因子合成排序:等权,IC加权,树模型。

2024-09-11 14:20:23 814

原创 ETF全量后复权数据更新与一个限时免费的星球

快车道就是作者提倡的,创造自己的产品或公司,然后几年内赚足财富,享受人生。至于怎么做,他提出的如何创建一个产品的几大戒律,比如刚需,规模,壁垒等等,也不算新鲜事。整个明朝,无论朱元璋、朱棣、朱由检, 还是张居正,王阳明等等, 这些人,都是被时代裹挟着往前走。我之所以写徐霞客, 是想告诉你,所谓千秋霸业, 万古流芳,与一件事相比, 其实都算不了什么,他们或许在政治上,或许在思想上,占据顶峰,睥睨一切, 可是他们在漫漫人生中,真的快乐吗?我说,除了投资之外,还有很多很重要的命题,有一点心得,想和大家一起分享。

2024-09-09 10:30:15 936

原创 quantlab5.9代码更新:提供RSRS择时和小市值股票策略(附代码和数据)

股票策略多是小市值的变种,然后加上很多什么pe估值,roc或者乖离率,凑出一个拟合得非常好的策略。由此我在思考的一个问题,那从数据出来的因子,有些连解释的逻辑都没有,如果能确保其实它也仅仅是呼应了某一类因子呢?4、本周启用了千人QQ群,还没有入群的星友可前往星球查看群二维码加入(备注星球昵称即可)。一般来说,ROE(净资产收益率)代表长期赚钱的能力,这个收益率与指数对益率相当。ROE最高的当然是白酒,然后是纳指,其次还是消费类和标普500。3、在果仁上实现的小市值策略逻辑同步在星球里。

2024-09-06 10:44:36 476

原创 专栏:七天入门量化投资

原创内容第641篇,专注量化投资、个人成长与财富自由争取开发一些有用的策略,保持对策略的感觉。小市值是一个很有意思的因子,这么多年一直有效,尽管会有回撤,但长期看,很多策略都是这个因子的优化和变种。01七天入门量化投资善其事,必先利其器。策略开发是量化的核心工作,而策略需要运行在回测平台上。框架的选择就非常重要。选择的标准取决于你的目标:回测重在效率,说白了,能够快速验证你的交易思路;实盘更在意性能、稳定性。我在推荐回测、实盘分开的。

2024-09-05 10:30:57 320

原创 年化收益37.7%的A股小市值策略,小市值和动量因子长期有效(附具体逻辑)

生如长河,你要自渡。把策略拆分成相应的模块之后,每个模块的逻辑相对单一,这样很容易实现“算子化”,然后进行积木式的策略构建,进而使用低代码的方式来调用。这个世界没有标准答案,花有花期,人有时运,允许一切如其所是,也允许一切事与愿违,才能获得松弛感,才能轻松地走在属于自己的人生道路上。它的策略是如下这个形式,这样的策略代码,几乎不用测试,不必担心是自己的实现出了问题,可以专注于策略的开发上。股票的“小市值”策略,就像ETF的趋势动量一样,长期有效。发生的就是应该发生的,来渡你的,是让你成长的机会。

2024-09-04 15:38:39 701

原创 海龟交易系统所代表的传统CTA策略是不是过时了?

国外很多人,很自然给自己安排一年的空窗期,就是工作一年,休息一年,去看世界,做自己喜欢的事情,而且还没有储蓄,似乎也很自然,但我们就会觉得特别没有安全感。self.log(f'策略收益:\n毛收益 {trade.pnl:.2f}, 净收益 {trade.pnlcomm:.2f}')同事说,心理建设了1个多月,其实客观看,也不是什么大事,没能房贷,生活成本不高,没有负债,之前的成本也可以确保好多年财务安全。self.log(f'买入:\n价格:{order.executed.price},\。

2024-09-03 11:07:25 393

原创 年化从19.1%提升到22.5%,全球大类资产轮动,加上RSRS择时,RSRS性能优化70倍。(附策略源码)

Z计划作为投资系统,这个保持不变——应该是建议所有人都建立起这一样的系统,既是保底方案,在你本金大了之后,更新财富自由的动力。C计划肯定是B计划里一步步“生长”出来的。ABCZ本质是要降低对于A计划的依赖,B计划要有积累,可持续,有复利,持续积累之后,其实就是C计划。因此,这里最大的变化,是强化B计划的可积累和复利,架设被动收入管道,这看来是当下最重要的事情。C计划是你理想中的生活,也许有各种各样的版本,但是,你喜欢什么样的感觉你是知道的。只是B计划有了正反馈后,一步步积累,一点点调整,迭代走出来的。

2024-09-02 13:04:44 672

原创 Quantlab5.8全量代码发布:新增大模型因子挖掘,Deap因子挖掘系统优化

f"参考{self.sources}的因子形式,书写表达式时,每次生成10个,,生成的表达式,不要带Alpha#xxx,期望因子的相关性低\n""content": "你是一个量化分析师. 你可以通过阅读多个alpha因子表达式,总结其内在规律,并且可以创新性的生成可用的因子表达式。1、因子表达式引擎里把函数集基本补齐,提供给deap遗传算法因子挖掘,包括TA-lib的函数,如阿隆指标,CCI等。,生成的因子符合world quant101的格式,且使用的是咱们因子表达式的函数集,可以直接调用。

2024-08-30 10:45:37 837

原创 deap实战分钟级CTA因子挖掘,夏普比大于2

从投资的角度看,夏普比(收益风险比)并不高,有点类似短期债券的投资风险。现在数字游民的口号——只上班不工作,就是这种状态的一种过渡。CTA有两种构建策略的方式,传统手工构建因子,在日内的策略,按照经验或者观察去设定进场、出场信号。今天咱们重点来看看在分钟级数据上,遗传算法挖掘出择时因子的效果,以及通过择时策略看回测的效果。创业自己承担风险,如果前期投入多,周期长,这里的风险还不小,但收益没有上限,就像股票投资。大家说遗产算法总是过拟合,其实人工构建本质上也是对过去的总结,一样过似合。

2024-08-29 12:42:22 756

原创 干货:年化18.1%,大模型如何实现因子挖掘(附python代码和数据下载)

f"书写表达式时,请仅使用样例数据里的函数,每次生成1个,,生成的表达式,不要带Alpha#xxx,期望因子的相关性低\n""content": "你是一个量化分析师. 你可以通过阅读多个alpha因子表达式,总结其内在规律,并且可以创新性的生成可用的因子表达式。"对于生成的表达式,你能够解释其有效性,并且能够用清晰简洁的语言解释其各个变量的含义。这时候,我们可以通过大模型生成一些低相关的,可解释的因子,而后引导遗传算法的方向。自己能掌控的,就是你自己的成长,产品化,实现你的价值。

2024-08-28 10:30:26 690

原创 大模型agent金融投资落地场景——智能投研

内容创作与模仿:对于刚开始接触自媒体的人,模仿是学习的一种方式,通过不断学习和实践,逐步打造出自己的风格和影响力。自媒体的潜力:在数字化时代,自媒体提供了一个低成本创业的平台,通过建立个人品牌和影响力,可以实现持续的收入。当然,很多信息源内容并不精致,信噪比低,这样大模型也挖掘不出好的结论。过你想过的生活,做喜欢做的事情。关注我,一起成长,学习量化投资,提升对于世界的认知,实现财富自由。生成式大模型可以拆解,分析查询意图,做资料搜集,检索,重构。基于智能体,做研究和开发应用,做发明,也是很有意思的事情。

2024-08-27 09:15:54 827

原创 遗传算法整合talib技术分析算子做因子挖掘,比如ADX, 阿隆指标等

七年,实现财富自由。比如AROONOSC,也是两个序列参数,但这个序列是确定的(high, low),这就不能让遗传直接生成。直到逻辑思维也就是后来的《得到》平台崛起,赶上平台的红利,行业的红利,成为头部的知识大V。区别于科普作家,他是连接大众与前沿科学,当然主要是社会科学的前沿成果。但科研是需要天赋,要做冷板凳的,能做出真正的成果的人,凤毛麟角。同一个模式,不同的人看,结果可能不同,这种就不好量化。我相信,比他原本规划的做一名物理学家,更符合他的诉求。写文原本只是他的爱好,他的学历,主业本身是物理学家。

2024-08-26 12:38:41 904

原创 年化20.7%全球大类资产的波动率因子(附python代码)

纳瓦尔宝典里,四种发现好运的能力:彩票式的撞大运、持续折腾、不停地提升判断好运(风口)的能力,以及他最认同的——不靠运气成功的能力——你有一项别人没有且需要的能力。其实第二和三种也有大量成功的实践,要成功本身就需要大量实践和试错,很多创业者就是这么过来的,缺点是波动很大,大成者有,人生巅峰,更多则是深陷泥沼。更保险的情况是,80%的精力在持续积累,20%走出去,折腾一点事情,去判断风口和尝试,保持对机会的敏感。其实就是自己跑一下,我用表达式引擎,写一个调用该函数的最简单的在因子,比如:inv(open)。

2024-08-22 11:26:40 324

原创 单因子年化23.7%,基于deap的因子挖掘,我改进了fitness和metrics方案(附python代码和数据)

计划3:成为自由作家(金融,财经,科技,成长),讲书人,独立研究者?——不是所谓自媒体那种,而是作品驱动,比如通过海量阅读,观察,思考,产出有价值的系列作品。比如,当前的工作状态,继续往前走,这是一个最常规的计划(需要考虑如果环境有一些变动,如何应对,比如新的方向人工智能大模型——让AI发挥价值)。我的建议是,如果你是因为看好这个事情,那就坚持,但如果是因为没有选择,那就需要重新思考。也许都不容易,但你会让自己感觉永远有的选,而且看起来差异很大,人就是这么有弹性,你能做的事情,比你想象中要多得多。

2024-08-21 11:02:29 805

原创 自研“因子流水线”之遗传算法的交叉与变异的python代码实现

—这是借了deap的思路,gplearn没办法带period参数,比如ts_max(high,20),这里的20,gplearn支持不了,所以这一段代码不用。生成表达式几乎不需要消耗时间的,包括表达式演进,而大量的时间,其实是花在因子计算以及fitness和 metrics指标上。那些梦,关于传奇,关于世界之巅,关于“春风得意马蹄疾,一日看尽长安花”。曾经,觉得很多东西不是必须的,比如房子、车子、定居之类的。创造产品,提供给用户,获得正向反馈,持续迭代与优化。确实,有人做到了,比如董宇辉,比如小杨哥。

2024-08-20 11:05:59 331

原创 自研“因子挖掘流水线”——语法树的实现(附python代码)

这里对于“堆栈”的理解要比较深刻——核心逻辑,先“压栈”一个表达式,而后根据它的参数列表,比如log(EXPR),有一个参数是EXRP,再把EXPR压栈,当表达式达到预定高度时,只选择叶子节点(open,high)这种没有参数,也就是树不再生长了;比如log(open), log先入栈,遇到open时,参数是零,直接生成字符串‘open’入log节点的栈,这时满足log节点的出栈标准,生成字符串log(open),依次类推。也是类似的原理,依次入栈,当前节点的args与堆栈中一致时,出栈。

2024-08-19 11:03:59 480

原创 quantlab5.6代码发布,重构deap期货截面多因子挖掘(附python代码+全量期货日线数据)

—但相同点是,它们都是有复利的,就是你种下去之后,它们会吸引养分,到一定程度之后,会自己生长,可能只需要简单的打理即可。对于因子挖掘而言,gplearn的改造成本要大一些,但如果你了解原理,难度也不大。因子挖掘,类似机器学习竞赛里的特征工程,不过机器学习更像手工构建阶段,一般不会用遗传算法或者强化学习来搜索的。金钱系统就是理财投资,投资组合,这里的被动收入靠的是大本金,而非高收益。你要做的事情,找到好的品种,种一片树,构建你自己的森林体系。而且,遗传算法并不难,你开着机器,成百上千的因子就有了。

2024-08-16 14:44:15 346

原创 研报复现:期货截面遗传算法因子挖掘 | 创业板布林带策略(年化13.2%)

我们实现两个指标:布林带上下轨,使用内置的函数bbands_up(close,20), bbands_down(close,20)即可。而且,你换个时间区间,得出的结果差异性会很大,比如你从20100101来始算,或者结束时间算到当下最新,结果都会不一样。很多——主要都是时间序列滑动窗口(rolling)的统计类,比如均值,中位数,偏度,峰度,最大,最小值,排序等等。一元非滑动类,这类最简单,直接使用np的函数就可以了,代码在expr_unary.py里。——金融量化,并不是一门严格的科学。

2024-08-15 08:48:14 661

原创 看《逆行人生》,你应该了解的财务安全与财务自由逻辑

就按男主的设定,我们来算一下:财务保障,就是在不工作(主动不工作,或因为外部原因无法工作——比如失业或失去劳动能力),有12月的现金维护基本生活。反过来算一下你就明白了,有600万的本金,按4%的无风险利率算,每年利息收益是24万,正好够每月2万的开销。在这个情境设定下,男主投了1000+份简历石沉大海,偶尔有面试去被极尽羞辱的情况下,为了收入,在别人眼中,口中的“城市精英”开始送起外卖的故事。然后我们讲财务安全,按4%的无风险利率,你的月开销*300(12*25)倍,就是财务安全标准。

2024-08-14 09:22:22 363

原创 19.7%年化的大小盘轮动——策略如何调优 | Deap因子挖掘系统重构(附python代码)

回测区间:我们使用2016/1/1-2022/1/1作为样本内训练集,2022/1/2-2023/3/10作为样本外测试集,总回测区间为2016/1/1-2023/3/10。——也就是咱们的因子表达式引擎里提供的,这里才是因子挖掘的核心——因为无论是deap还是gplearn,框架本身你会使用就可以了。绝大多数算子,无论是时序,还是截面,都可以通过封装numpy来完成,不过技术分析类的,还是只能通过Talib这样的技术指标库。因此,我会为大家提供重写后的版本,本周是deap,下周也许会重写gplearn。

2024-08-13 11:27:01 1127

原创 红利低波与创成长,加上动量过滤,年化12.6%(python代码)

ETF排重之后(像沪深300指数的ETF有几十支)有150多支,从量化的角度,我们选择交易量最大的,通常也是规模最大的一支即可。——像黄金ETF,不方便同步指数数据的,直接使用ETF数据。大家可以会好奇,为何不直接使用ETF,使用ETF自然是方便,但有些ETF的上市时间很短,所以数据很有限。在大类资产上,两周(10天)的动量IC值是明显的,因此,我们之前的周调仓,应该优化成两周调仓。A股的指数,我同步了126支,至少有一支ETF基金的指数,也就是说,这个指数是可以交易的。结合因子表达式,对单因子进行分析。

2024-08-12 10:19:26 394

原创 量化策略优选发布,支持策略发布到服务器持续运行(附python代码)

st.metric(label="年化收益", value='{}%'.format(round(performance['cagr']*100,1)))《斯坦福的人生设计课》——不要试图去找所谓最合适的,随着你的阅历,能力,经验的扩展,这些就是动态变化的,更不要试图想清楚人生之最才开始。如果交易没有结果,你会喜欢交易吗?年轻人还意气风发,没有中年危机,工作就是一个不愿意,那就换一个,反正一换工作还涨薪。有时候,你所谓的喜欢做一件事情,可能只是你觉得你喜欢它所带来的结果,而不是事情本身。

2024-08-11 11:57:27 555

原创 创建一个年化18.3%的策略,一共要多久?超乎你想象

点一个按钮,创业板动量策略就出来了,快速验证的想法,而不需要写代码。——当然这个平台,昨天已经把代码都同步到星球了,运行出来的效果是一样的。B给了自己主导权,做你喜欢的事情,也许有收入,但不一定稳定,没有人给你承诺,你需要努力,还需要运气。这一段代码我是非常满意的,这是昨天灵感来了,由表达式规划直接生成因子信号,而且非常通用。还记得年少时的梦想吗,你们都是要当科学家、宇航员,要改变世界的人。至少不是一个房子,一辆车,有一份还算稳定的工作。C计划呢,你的理想、你的疯狂,你的梦。当然,对很多人,这已经是奢望。

2024-08-10 07:05:55 829

原创 年化26.4%,quantlab5.5发布——多任务机器学习组合优化,可视化策略生成向导(代码+数据)

三年前,开始认真输出内容,就有了B计划的样子。——现在的生活是你三年前、五年前的模式所决定的,没有办法很快去改变。这个需要想清楚,这条路当然优点非常多,尤其适合内向,不喜欢,也不擅长与人协作、打交道的同学们。有时候不是努力就可以的,它需要一种特质,一点点悟性,还有很多的耐心。你理想中的生活与现实中的生活,之间的差距,就是你要去补足的地方。C计划,大胆一点,疯狂一点,守住底线的基础上勇敢做自己。三年后、五年甚至八年后,你想过上什么样的生活。但三年,五年后的生活,是你当下的模式所决定的。你的C计划是什么呢?

2024-08-09 09:22:59 550

原创 streamlit量化平台gui——又回来了。

某智能量化平台,仅内置一个StockRanker(集成学习决策树,我猜大概率是lightGBM,我也实现了一个),就够了。——现代模型的统计力足够,甚至早就过拟合了——需要的是数据维度,质量与你构造 因子的能力——这是因子模型之核心。——因为是标准化考虑,考纲没变,逻辑上讲,考试就是没有变化。这几天思考比较密集,逐步想清楚怎么样的交付方式是更好的,更易用上手、入门的方式。在《一如继往》里说作者说,理财其实就几个字——尽量储蓄,投资,保持耐心。对于一个新市场,新的投资类别,先建立整体市场的量化感觉。

2024-08-08 10:01:21 400

原创 那些年,量化实验室做的事情。

目前已经完成的:提供一个回测引擎代码(封装和扩展了bt和backtrader,自研的因子表达式系统),带ETF,指数和可转债、期货历史日线数据集。按5%的理财年化,2000个W,一年就是100个W的被动收益,就是就可以达到郭同学的生活状态。这个目标因人而异,我之前说过一个版本是250个W入门级、500个W基础版,1000个进阶版本,2000个的高级版本。把那种抽象的,数学的,梦境的东西要通过情感,表现,具象的东西演绎出来,并不容易。场下大家是朋友,场下大家为国争光,既为国家荣誉而战,也为个人实力证明而战。

2024-08-07 10:11:22 517

原创 普通人做量化,股票多因子策略是否有必要呢?

—streamlit是最容易上手,且适合数据驱动的应用,它有一个缺点就是每次都是“流式”计算,staus_session之前发现有一些问题,不确定是否使用正确。当下最主流显然是前后端分离,比如vue/react,后端使用django、flask或者Fastapi这样的方案,也尝试过,但前端工程化,对于后端开发团队压力比较大。做量化系统gui,之前尝试过几种方案,从纯桌面端的thinter, wxpython, pyQT里选择复杂性和功能性平衡的wxpython,内嵌bokeh的方案。

2024-08-06 09:50:30 929

原创 多任务机器学习做投资组合目标波动率优化(python代码)

有些时候,由于客观原因,你并没有接触某一个领域,你压根不知道某件事情存在,自然谈不上喜欢或者不喜欢。:基于连续期货合约的日结算价格,计算过去1个交易日、21个交易日、63个交易日、126个交易日和252个交易日的对数收益率。之于我,我喜欢收集各种各样的开源代码,拆解各种框架,并擅长把它们排列组合起来,解决一个有价值的问题。优化目标波动率,有点类似风险平价的逻辑,也就是说,自然会低配风险资产,投资组合是稳了,但预期收益率相对也不高。做时间的朋友,复利,长期主义,做生产者,生产有长期价值的产品。

2024-08-05 10:24:36 562

原创 稳稳的年化10%,多任务时序动量策略——基于pytorch的深度学习策略(附python代码)

以下是一些可能的途径和策略,但请注意,这些方法都涉及不同程度的风险,并且成功并不是保证的。但在深度学习时代,最大的一点进步就是不需要特征工程,因为特征工程本身是对现实数据的简化。——本身也是一种”拟合“,或者说试图”解释“过往的收益率,有一种符号表达的方式。图像识别就是端到端,AlphaGo就是端到端,深度强化学习端到端构建投资组合——从逻辑上更符合金融投资的场景——它甚至不需要label。所以,作为量化的书,不结合实战,连数据分析都不做,就光讲理论,洋洋洒洒这么厚的一本书,实在是。

2024-08-04 09:24:07 900

原创 股票多因子模型实战之因子行业中性化(附python代码)

R(it) = Alpha(it) + Beta(it),我们把一个股票的收益率,分解为Alpha(超额收益率) + Beta(市场收益率),这个不难理解,比如你买一支股票(或者一个股票组合),收益率1.8%,而同期沪深300收益率为1.5%,那你的超额是0.3%。但这里还不准确,你吃了100克的巧克力,里面可能是5.5克的蛋白质、26.9克的脂肪、59.2克的碳水,还是203毫克的钠元素,还有其他。——那你就实现地点自由。——咱们有几千支股票,很多因子模型才几个因子,————这实质是是一种降维了。

2024-08-03 09:32:35 340

原创 quantlab5.4代码发布:新增deap因子挖掘,lightgbm机器学习因子筛选及全量转债数据(附python代码)

因子挖掘的时候,并不需要传入X,y,我们只为生成符号,而不需要进行计算,计算是在fitness的时候进行,而fitness完成是我们自主定义,我就可以在这个环节对多个symbol进行计算。2、gplearn的符号生成不支持常量,比如roc(close,20),这个20它必须hard code进去,不支持说,你从【1,2,5,10,20,40】里随机选择一下。股票的数据量比较大,还有各种指标,基本面数据,我们会在服务器上构建。然后,不违背上述的前提下,全力以赴,十倍努力追求财富。

2024-08-02 10:15:10 382

原创 Alpla003经典的价量背离的因子在可转债列表里的因子分析(附python代码)

—而是提升十倍的认知,认知对了,有时候做减法,事情反而更少。用她的话说,绝大多数普通人不会有这样的遭遇——她突然可以放下一切名利权情,不再试图控制大局小局——能活着就挺好,能看着她的孩子长大,她愿意付出一切。在生死面前,可能才真正有可能与内心灵魂对话,什么是最重要的,什么是更重要的。当然,其实很多时间是在等待和内耗,如果你不内耗——“顺其自然,允许一切发生的话“,那么其实世界就简单。有时候,折腾的话,可能就是花点钱(不多),花点时间,花点心力。纠结和折腾了几天的事情,今天算解决了,就剩下收尾的事情。

2024-08-01 10:17:47 349

空空如也

空空如也

TA创建的收藏夹 TA关注的收藏夹

TA关注的人

提示
确定要删除当前文章?
取消 删除