今天按星球的惯例会更新系统代码：
今天暂不更新Quantlab了，大家仍然使用v3.7即可：QuantlabV3.7源代码发布啦！带策略生成向导，内置多策略示例（年化20%+）供参考
今天开一个新的工程——简化版本的vnpy。
数据我导入数据库了，setting是配置好的，直接就可以使用了！
直接运行main.py即可：
主界面长这样：
通过“功能”菜单打开“回测”界面：
点击回测，就可以运行策略啦：
经典的DualTrust策略，年化19.81%，这是基于分钟线的操作。
如下是vnpy内置带的策略，后续我会补充：
仔细对比下来，vnpy有一个缺点——写策略特别麻烦，为了完美还原和兼容实盘的逻辑，就是tick是一个一个到达的逻辑，它甚至没有向量化计算指标，每个值是数据到达后现算的。
比如， 以dualthrast策略为例，要计算14天的max_high。
它其实是自己递归着算的
last_bar = self.bars[-2] if last_bar.datetime.date() != bar.datetime.date(): if self.day_high: self.day_range = self.day_high - self.day_low self.long_entry = bar.open_price + self.k1 * self.day_range self.short_entry = bar.open_price - self.k2 * self.day_range self.day_open = bar.open_price self.day_high = bar.high_price self.day_low = bar.low_price self.long_entered = False self.short_entered = False else: self.day_high = max(self.day_high, bar.high_price) self.day_low = min(self.day_low, bar.low_price)
这会带出一个问题，如果结果不好，到底是策略不行，还是策略有bug。
我们应该把精力专注在策略和因子的研发上，这也就是Quantlab的初心，基本上就是低代码或者零代码写策略，只要你的因子计算没写错，信号天达没写错，策略就是对的！
由于vnpy最初是做期货实盘接口起家，后面补充的backtesting，所以backtesting只是一个补充。
vnpy双均线的核心代码：
1、on_bar的时候，计算双均线指标（在实盘的时候，数据是依次到达和合成的，确实需要每次都计算一下最新的指标）。
fast_ma = am.sma(self.fast_window, array=True) self.fast_ma0 = fast_ma[-1] self.fast_ma1 = fast_ma[-2] slow_ma = am.sma(self.slow_window, array=True) self.slow_ma0 = slow_ma[-1] self.slow_ma1 = slow_ma[-2] cross_over = self.fast_ma0 > self.slow_ma0 and self.fast_ma1 < self.slow_ma1 cross_below = self.fast_ma0 < self.slow_ma0 and self.fast_ma1 > self.slow_ma1 if cross_over: if self.pos == 0: self.buy(bar.close_price, 1) elif self.pos < 0: self.cover(bar.close_price, 1) self.buy(bar.close_price, 1) elif cross_below: if self.pos == 0: self.short(bar.close_price, 1) elif self.pos > 0: self.sell(bar.close_price, 1) self.short(bar.close_price, 1)
2、传统量化框架里的写法：
if crossover(self.ma1, self.ma2):
self.buy()
elif crossover(self.ma2, self.ma1):
self.sell()
当然，传统量化框架，如何直接平移到实盘，这是一个要思考的问题。
当然国内期货允许同时开多单和空单，所以先平后开的操作，不过这个小细节都好办。
历史文章：
vnpy使用初体验，从代码运行，导入csv数据，回测及参数调优
原创文章第488篇(CTA系列第1篇)，专注“AI量化投资、个人成长与财富自由”。
CTA系列，从vnpy开始是挺好的选择。
原计划是使用backtesting.py，但考虑到后续对接实盘，多标的，本地化等多种原因，目前看vnpy还是最成熟且经过实战检验，也是完善的社区支持。
它是“插件化”的结构，因此需要自己去下载多个工程，然后组出出来。（我没有用软件的方式来安装，因为金融这个事情，所有代码最好是已知的才放心）。
我没有使用vntrader studio，直接使用代码运行的：
总体观感，相比多数开源软件，vnpy的完成度还是比较友好的。但相对成熟软件，还有距离。我估计很多同学未必能跑得起来。
另外就是数据一定要导入到数据库里，或者使用RQData(付费的)，这对于想简单尝试一下的同学，略有门槛。
我来尝试简化一下。代码明天会找包给大家：
吾日三省吾身
有些事情，需要释放一些大脑带宽才能想得清楚。
在你焦虑，迷茫，不知往什么方向走时，停下来，放空一下。
其实没什么大不了，有时候，事情反而明朗了。
星球的老朋友都清楚，咱们的Quantlab，有很重的bt(一个小众的回测框架，主要是算子，积木式写策略)和Qlib的身影（主要是因子表达式）。
这个框架天然适合大类资产配置，股票多因子，多标的轮动等。
但仔细想来，这个适合什么场景呢？
适当公募基金做指增，或者私募做增值。————说白了，都是代客理财。
只要是代理，收益来源很大一部分就是管理费，当然业绩需要有保证，才能收到管理费。
所以，为什么现在市场很多公司开始做”指增“——跑盈指数就好了，市场beta不用管了。私募好一点，多数有绝对收益要求。
因此，大家更关心控制回撤与夏普比。——最好的方法是什么呢？——分散。
比如公募基金是有明确规定，单标的不得超过组合的10%。
——分散当然可以有效降低风险，不过收益也会随之减少。
对于多数自营的量化普通人的逻辑，我昨天说的大部分做量化以及想接触量化人的目标是——每天1%。每天1%可能夸张了，但更像风险投资的逻辑，一级市场VC的逻辑是1%的投资胜率，但1个公司投资回报可能是1000倍（高赔率）。那仍然是十倍的回报（1%的投资1000倍）。
推演一下如下逻辑，仍然是分散：
比如把仓位分成20份，每次5%。可以同时跑20个策略。止损，让利润奔跑。做好加减仓的精细化管理。
轮动其实是粗放式的，一般仓位就不太重要。或者说是严格限制风险头寸。
而单标的而言，是精细化管理，什么时候止损，什么时候加仓。
这里的逻辑就是CTA。——杠杆、多空，T+0。
历史文章：
原创文章第486篇，专注“AI量化投资、个人成长与财富自由”。
把所有的ETF都搁到一起，进行排序，择时优者持有，每天进行排序。
交易规则配置：
轮动规则配置：
轮动之核心逻辑，是低相关性，比如大小盘、行业之间，或者不同市场之间。比如绝对动量之比较，大盘股涨的时候，小盘股跌，这时候取动量大的，方向是明确的。但如果相关性高的市场，去比较绝对动量，这是有问题，因为波动幅度的区间略有差别。
因此，全市场ETF一起并不是一个好的选择，我们应该选择相关性低的标的进行轮动。
主要的，低相关性的ETF搁到一起，取最强势的持有，有时候，大道至简。
代码下载：全量ETF回测，年化25.5%，动量轮动yyds!
关于大模型
普通人或普通公司，多数只能使用大模型的API，但API并不便宜。
比如 0.1元/千token，处理一篇文章就需要2毛左右。
但如果仅把LLM当作大脑，一天处理1000篇长文（3000字），一天的成本 在200块，似乎是可以接受的。
吾日三省吾身
昨天又读《认知觉醒》，《认知行动》。
作者提及李笑来的《七年就是一辈子》，《时间的朋友》。
有不少深度的思考，有挺多好的角度。
我很认同他的一点，在事中想，在事上练（其实这是王阳明的观点），你觉得最有感触的点，然后带入你自己的场景，去应用。
——突然想到，若是高一有这个认知，也许可以挑战一下top 2。
当然从七年一辈子的角度，都来得及。
但我想说的是另一件事情。
如果是人生，成功学，还是理财。
多数的书都是老生常谈，旧瓶新酒。
真理其实都是朴实无华的。
你都知道，只是没有成体系去思考和总结。
而且，不能指望“掉下一个悬崖，碰到一只猴子，肚子里掏出一本秘籍，然后被关上山洞，墙上又写着秘籍”。。。
这个世界上根本没有所谓速成的秘籍。这一点上，我更认同古龙。陆小凤，西门吹雪，都是经过长期的努力，感觉过绝望和孤独，才达到武学的巅峰。
“至少做成一件对别人特有用的事情”。——这一点我很认同。
但出发点是价值，而不是“自我陶醉式的利他”。
——真正可持续的是“利己式利他”。——比如作者为了自己的成长，去总结与写作，然后同时也能帮助别人。
——也就是，本来我恰好就要做这件事，顺便输出给大家。
这是最好的模式。
历史文章：
QuantlabV3.7源代码发布啦！带策略生成向导，内置多策略示例（年化20%+）供参考
10%长期年化真的挺容易的：国内版全天候风险平价策略——零代码开发（系统代码+数据）
发布者：股市刺客，转载请注明出处：https://www.95sca.cn/archives/103461
站内所有文章皆来自网络转载或读者投稿，请勿用于商业用途。如有侵权、不妥之处，请联系站长并出示版权证明以便删除。敬请谅解！
