streamlit量化平台gui——又回来了。

原创文章第612篇，专注“AI量化投资、世界运行的规律、个人成长与财富自由"。

学习量化的第一步，先熟悉金融时间序列的特性：

我干脆做出来好了：————大类资产投资第一条：

找到长期向上的、低相关性的回报流。

看收益率相关性：

大家看到，纳指100与所有市场的相关性均小于0.2，这个非常好。

恒生指数，与创业板、沪深300指数的相关性高一些。

日经指数与恒生指数的相关性为0.49，其余都挺小。

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。

传统资产配置，就是调股、赋权，调仓——点两下鼠标，就有一个策略了：

我们线上也同步SAAS化的版本，这样大家不必安装，就可以使用：

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。

这些代码本周（也就是周五——明天）发布：AI量化实验室——2024量化投资的星辰大海

吾日三省吾身

01

最近和几位同学聊得比较多，大家关心下一步的优化级，也收集了大家的意见。

结合今天听书的一个观点——我们太喜欢复杂性，仿佛只有这个方案复杂了，才是靠谱的。

我记得老罗之前讲过一个事情，不知道是不是段子。

就说每次考研结束，总有学生围着那些名师问，今天的考试与往年有什么不同之处啊？

老罗说，他看到别人回答有如下1-6点，他就坐不住；用他自己的话说，就是没有变化。——因为是标准化考虑，考纲没变，逻辑上讲，考试就是没有变化。

说回到投资里。

投资其实是更需要简单的事情。

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。

《拿铁因素》一本书也就讲这个道理。

机器学习应用于投资，很多同学问深度学习，其实不是越复杂越好。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。Qlib里已经实现了一堆模型，然后呢，又不是做科研。——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。

02

看了一个创业失败、负债的案例，确实大家看到的面上风光，对于普通人都是不可承受之重。

知足常乐也不是一句心灵鸡汤。

至少你有健康，平安，家庭和睦。父母都好，孩子听话。

这已经是很多人渴求而不得的东西。

03 

一些人、一些事。

心有戚戚，所幸这着实是一个兴趣，并没有靠它来谋生。

能面向交易赚钱，是幸福的。

尽管市场它非常残酷，是人性大集合的汇聚。——至少，你不必面向个体之人性。

历史文章：

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）

AI量化实验室——2024量化投资的星辰大海