Quantlab4.1发布 | 新增一些策略，补充Metrics

AI量化

今天发布版本Quantlab 4.1：

1、回测结果metrics显示

2、优化了Streamlit 的 session_state逻辑。

3、补充了一些策略：

3、修正已知bug

下周的工作做一下预告：

下周会正式重启因子挖掘，目前看可能deap比gplearn会更加合适一些。

gplearn不支持多因子截面数据，如果要使用，需要对框架进行大模型侵入式的改造。

然后就是多因子合成，比如lightGBM等等。

大致是这么个逻辑。

传统策略框架基本就是这样，大家可以自行开发自己的策略。

后续我们主要以AI量化策略为主了，因子挖掘，因子合成，机器模型这些。

吾日三省吾身

如何学习也是老生常谈。

昨天写了关于如何阅读，从书本里获得真正的知识。

总结起来，就是“寻找触动点”，“与自有认知体系产生关联”，“应用于实践“。可以写出来，或者讲给别人听等。

读书真是性价比最高，且随时随地都可以做的成长的事情。

有了认知体系，还有别一类叫”技能“的东西。

比如游泳，骑自行车，英语听力或口语。

国人多数英文阅读没啥问题，写作没啥需求。但就是学了这么多年，开不了口。

最近想把英语口语突破一下。

传统我们忽略了方法论，认为听力嘛，那就一直听。口语嘛，没有环境，怎么办，不能怪自己喽。

其实把一项技能分解开来，多数都是可以模拟训练的。

学吉他不是一首歌换一首歌，每天不停练。篮球运动员要提高成绩，也不是不停地上场比赛。

打基础的时候，都是分解动作。如同军训，左脚，右脚分解动作，都练到肌肉记忆后，再来整合。

口语也一样。

听说不分享，口语的应用场景肯定是与人交流。那么听就是基础。

你能听得懂，然后做出回应，有来有回，这就是交流。

听力训练：盲听，精听，复听，都是可以自己完成的。——在读书的时候，一直盲听，听不懂就跳过，看似每天晚上都在听，但进步很慢。直到在北大上学的时候，有过小一年的精听训练，听力有了很大进展，当然也没有特别刻意练习，但明显感觉到进步。

在这个基础上，我的口语训练计划就有了，不必报一个口语班（确实也没有时间），也不必找一个外教，陪练啥的。至少目前还不需要。

短视频平台就有大量这样的免费材料，先盲听，讲单词，句式。而且这些视频来自像《老友记》这样的情景剧，不枯燥且实用。——定一个计划，半年左右，上下班的时间把英文听力，口语提个可应用的水平。

”每新增一个技能，成功的概率就提升一倍“——史考特.亚当斯。