AI量化投资实验室-CSDN博客

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 10:45:37 699

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 12:42:22 726

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 10:30:26 678

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 09:15:54 810

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 12:38:41 891

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 11:26:40 311

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 11:02:29 788

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 11:05:59 315

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 11:03:59 458

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 14:44:15 334

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 08:48:14 646

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 09:22:22 350

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 1112

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 10:19:26 380

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 11:57:27 548

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 07:05:55 816

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 09:22:59 540

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 10:01:21 387

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 10:11:22 508

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 09:50:30 920

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 10:24:36 555

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 09:24:07 888

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 09:32:35 309

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 10:15:10 366

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 10:17:47 343

原创基于Deap遗传算法在全量可转债上做因子挖掘（附python代码及全量因子数据）

这就是遗传算法或者深度学习因子挖掘的问题，它的表达式构造可能很复杂，计算量大，多数不好解释。发生就发生了，该反思就反思，调整工作方式就调整工作方式，自己可以做的事情，做到最好就行了。不必纠结，焦虑，懊恼，生气，骂人，没必要也没有用，该发生的已经发生了，生气也没有用。当然，更不容易的，白发的网约车司机，快递、外卖小哥们，这天如此的晒，雨如此的大。不同的事，拿着各种伞，穿着洞洞鞋的，拖鞋的，被各种淋湿的人们。等车来，等人来，等事情发生，等结果出现，等事情结束。更多的是晚上的末班地铁，挤满疲惫的打工族。

2024-07-31 17:40:11 356

原创年化27.9%，最大回撤-13.6%的可转债因子策略，结合机器学习特征筛选（附python代码）

bond_value IC值不明显，分层不单调，但lightGBM的权重重要性很高。咱们还是使用lightGBM集成学习的方式，决策树是可以筛选特征的重要性的。——这是与股票市场不一样的地方，股票退市相对少，而转债本身就有退出周期。有时候，淡定一点，把事情处理得稳妥一点，后续的事情会更少。IC值大，但分层效果不好，大概率因子里包含了非线性因素。结果有可能，事情也许办了，但引入其他更加不可控的事情。有时候，我们总希望把一些不喜欢的事情，尽快终结掉。因此，如果没有包含进来，那么策略就是有偏差的。

2024-07-30 10:22:12 407

原创 pandas_ta来替代talib，计算kdj做全量可转债因子回测

每个阶段都有不同的美好和精彩，我们要把握当下，坦然接受一切，让生命成为一本精彩的故事书。不念过往，不惧将来，过好这一生。重申一次，量化里最核心的是策略，实盘是重要一环，但你策略都没理明白，实盘的意义是？无论你是王侯将相，还是贩夫走卒，时间都是一分一秒，不曾多，也不曾少。这个世界确实有很多人，他不想要过程，他也不想努力，但他也想要结果。确实是所有，因为我们一旦出生，就永不停息，直到结束。而且，现在实盘的接口有的是，你直接上去写不就好了。但是生命之厚度是不一样的，体验的深度是不一样的。# 导出数据到csv。

2024-07-28 09:14:44 279

原创量化私募公司的多因子构建方案（附python代码）

—官网（ailabx.com）和论坛(bbs.ailabx.com)也基本成型了，大家常见的问题、一些入门的教程，代码怎么用。不念过往，不惧未来，活在当下——不是说你要忘记过去，过去当然要反思，要总结，但不要后悔；也许你有数不清的乘飞机的经历，但最“难以忘记”的一定是可能因为风雪误机，或者转机时，后续航班已经飞走的经历。这是一个通用的basic构建类，从接口处获得列表后，直接存入mongo，若表已存在，先drop掉。这是宽表模式，这是最传统的，写入快，就是对应一个dataframe，可以直接写入表中。

2024-07-27 09:41:19 385

原创代码发布：quantlabv5.3，可转债所有数据及双低、动量因子策略，单因子分析框架

这个函数怎么来的呢——遗传算法可以生成符号表达，强化学习可以生成符号表达，然后LLM本身就是生成一个个token，我们通过prompt生成因子的符号表达。根据结果反馈，迭代因子表达式，遗传算法是用复制，交叉，变异来构建新的表达式。我“迟迟”没有再完善之前的代码原因在于——LLM因子挖掘，只是因子构建的一个小部分，甚至也不成熟。凡事知道底线，尽量远离不可承受之风险，然后——人间就是一个巨大的游乐场，我们玩在其中，尽情体验，如此而已。一个非常小的事情，你非常想的无限大，在非常小的概率（从概率的角度）都可能。

2024-07-26 10:15:30 305

原创完全出乎你意料的动量因子roc_20的单因子分析与回测（附python代码）

郭宇就是最好的案例，他大家学的可是文科专业，那又怎么样，自学前端开发技术，然后去了头部互联网公司，拿到天价期权，自学理财，28岁财富自由。我们回测一下真实情况，也印证这一观点，足见IC分析的有效性——不能只看ic就开始交易，重点是分层收益——比之昨天的双低因子，IC也相对明显，但注意到没有——负相关。也就是说，动量越大，收益越低。其中不乏很聪明的一群人，在学校里可能是学霸，当他们在一个确定的方向上思考时，非常厉害。也许你选错了专业，也许你选错的职业，也许你甚至选错了人，但不代表你不可以重新开始。

2024-07-25 09:25:34 796

原创年化22.8%的单因子分析：基于Alphalens做可转债全市场数据的单因子分析（附python代码+全量数据）

—这一点很重要，意味着，因子可以把转债有效区分开，单调性是因子有效的重要标志之一。IC 的绝对值越大，表示因子的预测能力越强（绝对值>0.05认为有效）——所以，咱们回测按周调仓是有道理的，也可以按两周来调仓。很庆幸，自己在大学毕业之后，一直写代码，折腾过很多东西，看似短期内也许没什么用，但这些技能，都在连接成一条线。一年多前，就安装过社区软件，其实这是一款不错的产品，精美，功能强大，很适用于知识社群。你读的每一本书，经历的每一件事情，学习的每一个技能，认识的人，都会在将来连成一条线。

2024-07-24 10:39:51 592

原创可转债所有历史日线数据打包下载，含“双低”因子值——全历史年化22.8%。（含python代码）

比如投资是一个重要的杠杆，尤其是当你本金较大的时候，你会稳健投资，意味着你拥有一条最好的被动收入管道，而这个能力就是——大类资产配置能力。星球是封闭的私域，还有很多暂时没有加入的同学，或者没有续期的同学就看不到最新的进展，因此，我们希望搭建一个学习量化，交流量化的平台（免费）。我们不做数据中心，但策略需要的基础支撑，尤其是多因子，是需要数据持续更新，还有可能补充另类数据，比如文本数据等。所以，我一直说，有一个模糊的目标与方向，然后为之配置一个系统——转换为每天都会做的事情，就好了。

2024-07-23 10:26:38 301

原创 10年13倍(年化28.2%,夏普1.2)大类资产趋势轮动（python代码+数据）

收到的反馈是——“得等到退休”再说，或者“有没有短平快的方法，比如AI?”，再或者“这个赛道做的人太多了，没有优势”。——我还在想，只是暂时还没有想清楚，所以先“躺”一会。大家拿到代码后，建议使用backtrader，咱们封装的框架基础上，重新复现一下。从小，我们就知道好好读书，好好工作，好好生活，把身边的人照顾好，然后呢？年岁成长，很多老一辈的，咱们那个年代一明星，名人开始离我们而去。像长期主义，真诚，坚持更新等等这些词，看起来平常，但真的管用。在历史长河中，沧海之一粟，时间长河里，一朵浪花都谈不上。

2024-07-21 08:38:49 481

原创通用选股框架——多因子模型

尤其是ETF，你是全球大类资产，还是ETF行业轮动，标的池是不一样的；尽管它的数学基础没有像时间序列，协整，统计套利那般牢固，但它的框架统一性、策略容量大、可以完美兼容机器学习等，都让它在资管世界大放异彩。有人又说了，巴菲特才20%，这个我也回复了，超大规模资金，和咱们普通人的收益率不是对比的。，比如ETF相关的基本面数据，需要专业数据库支持，像分析师观点，指数的基本面——自己使用个股去合成不太现实。很多同学问的是不是所谓“过拟合”，其实这个策略特别简单，也没有参数优化，不存在拟合的问题。

2024-07-20 07:08:15 405

原创 quantlab5.2代码更新，含本周所有策略集和数据集。

特斯拉（那个悲情科学家，不是电动车）就喜欢理论驱动，理论的力量当然是强大的，麦克斯韦预言了电磁波，就是通过数学上算出来，包括爱因斯坦相对论预测的引力波，而后人们可以观察到；数据驱动的，普通人都可以做，试呗，万一成功了呢。至于为什么涌现，什么是强人工智能，大家连定义都还没有对齐，但结果挺好，也掀起一股浪潮。爱迪生的工作方式更像数据驱动，做大量的实验，行不行试试就知道了，至下而上到实验，2500多种材料里找到灯丝材料，几千上植物里，希望提取橡胶。理论驱动的，基础更扎实，如果发现，那就将改变世界。

2024-07-19 09:07:49 865

原创长期年化收益45.9%：兼顾高成长与低波动的趋势轮动策略（附python代码）

人生就是一场大型游戏，它的全部意义就在于你是否能按照自己的心意活过一生，是否能意识到自己才是游戏的主宰，而非傀儡。看似无意间的选择与机缘巧合，其实都在和都将“connectting the dots”，都在迎着自己的希望的生活方式——一个独立的研究创造者。再后开掌握python，学习人工智能，研究智能投顾，到量化投资，大模型，都不是为了当螺丝钉而准备的，而是——“一人企业”的技术栈。财富意味着自由，自由就是有的选，算你喜欢做得事情，和喜欢的人在一起。其实，有一些“意外”暴富的人，迷失了方向，抑郁的都有。

2024-07-18 09:29:33 932

原创年化18.9%的创业板趋势策略，使用模块化策略模板重构（代码+数据）

进一步讲，如果你够强，你的周遭的环境就会变好。——盖茨说，在你强大之前，不要太在意你的自尊，没有人在意你的自尊。在一些故事里，比如生病的蔡磊，如果再给他几年，他应该不会像之前那帮卖命工作和无趣生活。职场里尤其公司下行时，刷锅，扣帽子，争底盘，抢功劳，事情就多了。完全线上，没有交付环节，没有客户要服务，不需要销售或营销技巧。你要做的事情，专注让自己变强大，然后周围的人都会变友善。想清楚自己要什么，想过什么样的生活，然后尽全力去追求。更多是利益，披着道德外衣的利益。好好学习，找份好工作，结婚，生娃，孩子教育…

2024-07-17 09:55:12 1261

原创 quantlab5.1代码发布，含10+个策略以及期货实盘对接（代码+数据）

多个标的——相关性越低越好，本身组合在一起就会降低波动（相互对冲——从风控的角度，如公募，单股票不得超过10%也是这个目的，担心过于集中的风险暴露）。：90%截面因子+10%时序因子，均为逻辑因子，单因子较复杂，严控入池条件，原先利用子策略波动率平价系统进行净值波动控制，现利用长周期时序信号调整波动率预期，进而进行择时。市面上几乎能找到的开源框架都用过，多数代码都读过，设计的理念，优缺点——自己也从零写过。包含本周提及的所有策略：海龟，RSRS，动量，布林带，大类资产配置，风险平价等。先控回测，再谈收益。

2024-07-12 09:18:47 403

原创 backtrader国内期货实盘环境搭建——回测得来终觉浅，觉知量化要实盘。

咱们要基于backtrader搭建实盘通道，我们从期货开始——从基础设施来讲，期货更加成熟，像股票量化接口，你需要与券商去沟通，有些还有资金门槛，另外股票默认不支持日内交易（你自己构建底仓另说），不支持做空——在下行市就没事可做等等。比如，一个箱子里有70个白球，30个黑球。你每次抓一个球，仍然是“随机”的，但你“赌”结果是白球的胜率肯定高，长期下来，你就能获得超额收益——如果别人以为箱子里白球与黑球数相等。其实投资是讲求“模糊的正确”，赢的时候多赢，输的时候少输，你无法预测市场，但可以建立体系。

2024-07-11 09:30:19 541

空空如也

空空如也