AI量化投资实验室-CSDN博客

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