在算子化的模式下，如何写策略。

先看结果：

加载数据：创成长指数代表高波动高成长，而中证红利低波指数代表质量与低波动。

df = CSVDataloader.get_df(['399296.SZ','H30269.CSI'], set_index=True, start_date='20120101')
df = CSVDataloader.calc_expr(df, ['roc(close,21)'], ['roc_21'])
df

使用bt框架的代码很简洁：

for K in [1,]:
    s = bt.Strategy('bt-兼容高收益与低波动策略'.format(K), [
                           SelectTopK(signal,K),
                           bt.algos.WeighEqually(),
                           bt.algos.Rebalance()])
    all.append(s)
stras = [bt.Backtest(s, data) for s in all]

两个指数相关性不高：

代码在如下位置：

使用backtrader版本实现一次，加上交易佣金：

年化44.9%，结果基本一致：

这份代码在如下位置：

吾日三省吾身

“生活本来很精彩，只不过有人没发现自己是作者，没发现他们可以按自己的想法创作。”世界尽头的咖啡馆

生活中偶尔偏离轨道，却可以发现不一样的风景。

危机，危中有机。

生活中遇到的事情，其实是来渡你的。

你焦虑或迷茫，说明你对现状不满。

但你暂时没有改变的勇气，甚至，你忘了，原来生活可以被改变。

停下来，没有你想象中可怕。

“山穷水复疑无路，柳暗花明又一村”。

“行到水穷处，坐看云起时”。

关键是，你想要过什么样的生活。

有人说，等财富自由了，有钱有闲了，就知道自己喜欢做什么了。

其实，有一些“意外”暴富的人，迷失了方向，抑郁的都有。

也有人自由之后重新开始做私募基金，做资管，因为喜欢。

人是需要自我实现的。

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。

仔细回顾自己走过的路，其实无意间，你早已选择你的路。

上大学铁了心报计算机，结果发现—信息与计算科学其实是数学系。

但又如何呢？

自学VB，VC++，MFC，桌面软件开发，网络编程等。——其实是希望能够独立“创造”作品。

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。

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。

在专利局工作的爱因斯坦，独立研究光电效应，相对论，我想——那是无比幸福的。——至于职场人际与江湖，应该不是他老人家关心的。

量化投资很适合独立研究。

凭本事吃饭，不必讨好谁，不必看谁脸色，投资结果说话。

好就是好。

有时候我想，整个人生的意义是不是就在于此呢？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。”

人生不是既定的，而是随时都有的选择，随时可以奔赴你想去的地方。

不要把人生活成一个轨道，活成一个标准，而是去创造更多的体验。

重返世界尽头的咖啡馆

传统backtrader写策略的步骤是如下：

1、定义因子，比如动量roc：

self.roc = bt.indicators.ROC(self.data, period=self.p.period)

2、写策略逻辑，主要是next：

class roc_trend(bt.Strategy):
    # 参数定义
    params = dict(
        period=20,  # 动量周期
    )

    def __init__(self):
        self.roc = bt.indicators.ROC(self.data, period=self.p.period)
        # self.roc = bt.talib.ROC(self.data, period=self.p.period)

    def next(self):
        if not self.position:  # not in the market
            if self.roc[0] > 0.08:  # if fast crosses slow to the upside
                self.order_target_percent(self.data, 0.99)  # enter long
                # self.buy()  # enter long

        elif self.roc[0] < 0:  # in the market & cross to the downside
            self.close()  # close long position

我们看下在算子化的模式下，如何写策略：

数据通过calc_expr直接计算，无论多少个因子：

df = CSVDataloader.get_df(['159915.SZ'], set_index=True, start_date='20120101')
df = CSVDataloader.calc_expr(df, ['roc(close,20)'], ['roc_20'])
df

然后通过SelectBySignal即可，输入买入信号规则，卖出信号规则即可：

engine = BacktraderEngine(df, start=datetime(2005, 1, 1))
engine.run_algo_strategy(algo_list=[
    SelectBySignal(rules_buy=['roc_20>0.08'], rules_sell=['roc_20<0']),
    WeightEqually(),
    ReBalance()
])