- 博客(177)
- 收藏
- 关注
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
TA创建的收藏夹 TA关注的收藏夹
TA关注的人