Quantlab4.0: 全新bt引擎，策略开发向导，内含全量数据。

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)

金融+大模型

大模型很火，AIGC或者说LLM，或者AGI在金融领域有什么样的创新型的应用呢？这一块，要会融入星球下一步的工作中。

大家有什么建议可以提出来。

吾日三省吾身

早上听一本书，是百事印度裔女总裁的自传。

自传，基本都是成功人讲述自己的丰功伟业，如何不容易，如何好不容易走上人生巅峰。

名人自传也要用审视的眼光去读。

当听到上世纪的一个印度女孩，能上印度最好的商学院时，我心说，一定是婆罗门。果然，后来就提及她的家庭背景。

这一切就都好理解了。

一个贵族，书香门第的富家女，后来去了美国耶鲁读商学，一路打怪升级的故事。

当然，不可否认，什么的成功都离不开努力。

但对于普通人而言，更多是努力没有意义。或者说穷人家的孩子，起点太低，起初就努力错了方向，然后一路追赶，还不及人家的起点。

这就是运气动力学。

起点高一点，努力是有效的杠杆。不是说所有富家孩子一定都能成才，只是说，富家孩子的视野，资源，如果他愿意努力的话，成功的概率会大得多。

另外一点是稀缺，穷人家的孩子，更关键养家糊口与变现，这样会错失长远的机会。

”活在当下“说得容易，王阳明能够想读书就读书，不读书就自己溜到边塞去考察，那是因为他有一个状元公的老爸。

尤其是有思想，有抱负的穷人家的孩子，思虑多就可以理解。

没有财务自由，哪来精神自由。

不怕别人比你起点高，就怕别人比你起点高，还比你努力。

历史文章：

年化26.1%，夏普2+，改进后的轮动策略（代码+数据下载）

AI量化实验室——2024量化投资的星辰大海