AI量化：从入门到实战

大家不要小看这个8%，或者6%。

年化复利8%，40年的话，你从25岁开始，到你退休，你将拥有一笔巨额的存款。

很多时候，我们想不到这种长时间的期望，但事实是，无论你愿不愿意，你我都终将变老，时间总会来到这么一天。

你是想还要辛苦卖时间，还是可以安心养老。

当然，这个话题很多同学认为还远，大家更期待眼前的杀伐决断。

因此，咱们今天分享bt框架的“择时和轮动”策略模板。

择时策略：

bt框架的策略写法都大同小异——这里仅需要改动一个算子：SelectWhere， 传入咱们的择时信号：

s = bt.Strategy('信号择时', [
                       bt.algos.SelectWhere(signal),
                       bt.algos.WeighEqually(),
                       bt.algos.Rebalance()])

bench = bt.Strategy("benchmark",[bt.algos.RunOnce(),
                                 bt.algos.SelectAll(),
                                 bt.algos.WeighEqually(),
                       bt.algos.Rebalance()])

信号规则：动量>N1时买入，动量<N2时卖出。

factor = df.pct_change(20) # 因子： 20日动量
signal = factor.copy(deep=True)
for col in factor.columns:
    signal[col] = np.where(factor[col]>0.08,1,np.nan) # 进场信号
    signal[col] = np.where(factor[col]<0,0,signal[col]) #平仓信号
    signal[col]  = signal[col].ffill() # 持仓状态保持
    signal[col]  =signal[col].fillna(0) 

signal

回测结果如下：

动量择时是长期有效的，可以躺开大跌，可以迎上大涨，就是震荡期比较难受罢了。

吾日三省吾身

成长就是不断获得；

变老意味着不断失去，不断告别。

天下无不散之宴席，离别是为了更好的相遇。

每个人都有自己的路，很多时候，我们需要独自行一程。

我们终究需要更大的世界，去看最美的风景。

不必纠结。

种一个树最好的时间是十年前，其次是现在。

如果你不满意，那就是实力还匹配不上预期。

想要拥用一个东西，最好的方式是配得上它。

想赚钱——就是帮别人解决一个重要的问题， 如此而已。

能帮别人解决重要的问题，你一定是这个方面的专家。

你能成为专家，说明你在这方向很擅长，而且很热爱。

做自己热爱的事情，便不觉得累。

你不应该在找工作，而是找事做。

不是每个人都需要工作的，但每个人一定都需要做事。

做事才是更好的状态。

都是游戏，乐在其中。