Quantlab4.0: 全新bt引擎，策略开发向导，内含全量数据。

策略开发第一步，要准备指标，或者说因子，这里基于咱们的因子表达式引擎，直接选择就好的，大家可以根据自己的需求修改参数。

添加因子的streamlit 代码发下：

def add_features(task: Task):
    from . import gui_const
    ind_name = st.selectbox('选择因子', options=list(gui_const.ind_dict.keys()), key='features')
    if st.button('新增'):
        ind = gui_const.ind_dict[ind_name]
        feature_names.append(ind.name)
        features.append(ind.expr)

    count = 0
    for name, feature in zip(feature_names, features):
        col1, col2, col3 = st.columns(3)
        with col1:
            st.text_input(label='因子名', value=name, key=feature + str(count))
        with col2:
            st.text_input(label='表达式', value=feature, key=name + str(count))
        with col3:
            if st.button('删除', key='btn' + str(count)):
                feature_names.remove(name)
                features.remove(feature)
                st.rerun()
        count += 1
    task.features = features
    task.feature_names = feature_names

规则配置：

def add_rule(rules, rule_type='buy'):
    f = st.selectbox(label='因子', options=task.feature_names,key=rule_type)
    if st.button('添加',key='rule_add'+rule_type):
        r = gui_const.Rule(f)
        rules.append(r)

    for i, rule in enumerate(rules):
        col1, col2, col3, col4 = st.columns(4)
        with col1:
            rule.feature_name = st.selectbox(label='因子', options=task.feature_names, key='factor'+ rule_type + str(i))
        with col2:
            rule.ops = st.selectbox(label='比较', options=['>', '=', '<'], key='ops' + rule_type + str(i))
        with col3:
            rule.value = st.text_input(label='值', value=rule.value, key='value'+ rule_type + str(i))
            rules[i] = rule
        with col4:
            if st.button('删除',key='rule_delete'+ rule_type):
                rules.remove(rule)
                st.rerun()

吾日三省吾身

结合这段时间的思考，梳理如下：

财富自由是精神自由的基础，梦想还是要有的。

你真正想要什么样的生活，我不知道，但如果没有财富支撑的灵魂，是不自由的。

财富自由的基础是被动收入，就是你不必持续投入就可以产生现金流入。

投资理财当然是终极解决方案，首先你要会投资，其次本金要大。前者相对容易，后者需要时间。

解决本金问题，要做生产者。普通人“一人企业”理念下，两个杠杆：代码、媒体。

代码之难在于，一个人或者小团队创造一个软件或者平台，实现盈利的时代确实过去了。而且产品化的过程，投入周期相对长。好处在于，如果找对方向，持续打磨一款小而美的产品或者平台。那么要以实现管道化的积累。

简言之，前期慢，调头难，但有积累。基于AGI+Agent做领域应用，是未来的方向。

媒体自带流量属性，而且更容易形成品牌。

为什么这么多企业大佬开始做直播，显然不是为了那点小钱，就是做品牌和流量，为自己带货。

缺点是，流量有时候也会反噬。因为人设这个东西，要经得起大众审视。翻车的网红不计其数。当然很多人在翻车前已经完成了原始积累。——那就变成一个赚快钱的逻辑。

而且流量这个东西，来得快，去得快。尤其是一些网红小姐姐，其实是MCN赚流量的钱，多数还是打工人。这样的IP人设，变现并不容易。

从长线而言，写成长类的，搞副业的，最终都要落地到价值，也就是解决用户真实的问题。

好比明星，赚钱容易，但也就那几年。即便有IP，但最终还是要作品说话，或者投资，经商，做餐饮（之前明星投资餐饮的很多）。

GPT拉开了AGI的序幕。

从技术发展到传记到历史人文、到成长，也有很多东西可以研究和写作。

原创文章第541篇，专注“AI量化投资、世界运行的规律、个人成长与财富自由”。

Quantlab4.0，应大家建议，去除wxpython，最小化安装依赖：

我们通过定时任务，更新etf的数据，然后dump到csv供本地回测使用。

def job_update_quotes():
    print('ETF 更新 任务开始运行！{}'.format(time.strftime("%Y-%m-%d %H:%M:%S")))
    ETFQuotes().build()
    print('开始保存dump to csv')
    DataDump().build()
    print('ETF 更新 任务开始完成！{}'.format(time.strftime("%Y-%m-%d %H:%M:%S")))

DataDump的代码：

class DataDump(ExecuteOnItems):
    def __init__(self, tb_basic, tb_quotes):
        super(DataDump, self).__init__(tb_basic, tb_quotes)

    def do_item_action(self, symbol):
        items = mongo_utils.get_db()[self.tb_quotes].find({'symbol': symbol},
                                                          {'_id': 0, 'date': 1, 'close': 1, 'open': 1, 'high': 1,
                                                           'low': 1, 'volume': 1})
        df = pd.DataFrame(list(items))
        #code = symbol[-2:] + symbol[:6]
        df['symbol'] = symbol
        #print(df['symbol'])
        df.to_csv(DATA_DIR_QUOTES.joinpath('{}.csv'.format(symbol)), index=False)