jquery+django+ninjia走通“低代码”AI量化关键一步（代码+数据下载）

今天继续，这是平台化的第4篇文章，主要是场内基金的选择。当然需要对场内基金做一些分类，方便大家挑选。

初步实现的效果如下：

界面逻辑基本成型，主体流程走通，当然后续最复杂的是“交易规则配置”，当然这也是“低代码”开发策略之核心。

倒不是技术上的难点，而是体验上如何做到门槛更低，但又要确保功能强大和扩展性。

# symbol, name, list_date, type：指数，ETF，LOF, 期货，转债, tags：多选：热门，宽基，QDII
import json

import pandas as pd
from quant import mongo_utils


def build_etfs():
    df = pd.read_csv('etfs.csv')

    def get_type(name):
        if 'LOF' in name:
            return 'LOF'
        return 'ETF'

    df.rename(columns={'ts_code': 'symbol'}, inplace=True)
    df = df[['symbol', 'name', 'list_date', 'benchmark']]
    df['type'] = df['name'].apply(lambda name: get_type(name))
    print(df)
    df['_id'] = df['symbol']
    mongo_utils.write_df('basic', df, drop_tb_if_exist=True)


if __name__ == '__main__':
    build_etfs()

习惯后端开发，多年没有写过js了，一直觉得这个东西不好调试，每次总想绕开它，之前试过streamlit, nicegui等等，但要变成真正的b/s结构的东西，整合起来怪怪的。

然后再寄希望于vue这样的前端工程化，数据驱动来解决问题。但引入npm， axios之类的反而更重。

还是之前说的那句话，两条路不知走哪一条——走难的那条。

其实jquery, bootstrap，一些控件交互和操作，并没有那么难。

适应一下就好了。

吾日三省吾身

在大周期，大变局下，普通人为一份工作，能有多卑微？

战战兢兢，如履薄冰？

我们谈财富自由，谈梦想，谈的都在人生上限，想看看人生的潜力到底有多少。

而作为普通人，或者普通中产，在这个大变局下，更多人开始关心下限。

中年失业了怎么办？

越来越长的生命做什么？

我想，最好的办法，就是在还有工作的时候，学会与工作解耦。

去掉平台的加持和身份，你还有什么？

有没有独一无二的价值？

能没有“独立”生产和交付用户价值的能力？

大家知道，原生的GPLearn并不适合挖掘因子，主要存在以下几个问题：

1、gplearn只支持单标的，在CTA策略单标的可以，但单标的下挖掘的因子，很容易过拟合。

2、内置的函数不适合金融量化因子，需要自己扩展。而且原生的扩展，不支持常数项，比如SMA(10)，这个10就是常数。

3、原生的fitness是ic和Rank IC，不支持夏普比或者卡玛比率这种。

4、而且网上能用的代码有限，版本鱼龙混杂，不成体系，或者文档不全。

5、传统的因子挖掘方法大多基于遗传规划（Genetic Programming）方法，这类方法具有收敛速度慢、超参数难以调优等局限；

网上的代码都是“暴改”之后的，且没有文档，demo未必能跑通。

我给大家跑通了一份，但是基于qlib的，与DeepAlpha同构，后续以这份代码为蓝本了。

大家直接pip install -r requirements.txt即可（python 3.8）

基于A股的qlib数据也会打包给大家，置于~/.qlib/qlib_data/cn_data_rolling目录下：

1、支持GPLearn, DSO以及强化学习的版本。

2、数据目前的A股全量数据，qlib格式。

3、支持多支股票同时挖掘。

4、支持多因子联合评测。

今天继续开发“低代码策略平台”。

咱们开源的Quantlab和DeepAlpha，尤其是DeepAlpha因子挖掘平台，对于环境的配置是比较高的，很多同学解决不了。

因此，我希望把这此功能平台化，大家可以直接使用。——当然大家希望自己读代码，仍然是可以从星球获得每周迭代升级的版本。

DeepAlpha通用因子挖掘：支持GPlearn遗传算法和深度强化学习挖掘因子（代码+数据下载）

Quantlab3.3代码发布：全新引擎 | 静态花开：年化13.9%，回撤小于15% | lightGBM实现排序学习

咱们平台的框架是Django。

没有使用前后端分离的架构，一是由于SEO等效果不好——老一代程序员，对于静态化和SEO还是有执念的。二是工程化引入的技术栈确实重，且没那么熟。——bootstrap+jquery构用了。bootstrap都只用3。

我们把精力还是花在策略和因子上。

今天的核心工作——通过jquery调用回测api(django+ninjia提供)，同步得到回测结果后，动态渲染到网页上，包括回测结果指标和曲线绘图（使用g2.min.js）。

效果还不错，明天加载etf列表，可以手动修改调仓模式等参数，添加回测区间等等细节。

{%extends 'common/base.html'%}


{% block main %}

<div class="container">
    <ol class="breadcrumb">
      <li><a href="/">首页</a></li>
      <li>“零代码”创建AI智能量化策略</li>
    </ol>


  <!-- Nav tabs -->
  <ul class="nav nav-tabs" role="tablist">
    <li role="presentation" class="active"><a href="#pick" aria-controls="pick" role="tab" data-toggle="tab">选择ETF列表</a></li>
    <li role="presentation"><a href="#profile" aria-controls="profile" role="tab" data-toggle="tab">规则配置</a></li>
    <li role="presentation"><a href="#messages" aria-controls="messages" role="tab" data-toggle="tab">调仓配置</a></li>
    <li role="presentation"><a href="#settings" aria-controls="settings" role="tab" data-toggle="tab">高级配置</a></li>
  </ul>

  <!-- Tab panes -->
  <div class="tab-content">
    <div role="tabpanel" class="tab-pane active" id="pick">
        <div class="row" style="padding-top:10px">
              <div class="col-md-6">

              </div>
                <div class="col-md-6">
                    <table class="table table-striped">
                      <tr>
                          <td>名称</td>
                          <td>代码</td>
                      </tr>
                        <tr>
                          <td>沪深300ETF</td>
                          <td>510300.SH</td>
                            <td><button class="glyphicon glyphicon-remove" aria-hidden="true"></button></td>
                      </tr>
                    </table>
                </div>
          </div>

    <div>
    </div>
    <div role="tabpanel" class="tab-pane" id="profile">规则配置</div>
    <div role="tabpanel" class="tab-pane" id="messages">调仓配置</div>
    <div role="tabpanel" class="tab-pane" id="settings">高级配置</div>
  </div>

      <div>
          <button class="btn btn-success" id="backtest">策略回测</button>
      </div>

</div>
</div>
{% endblock %}

 {%block js%}
<script>

    $(".glyphicon-remove").click(function(){
        $(this).closest('tr').remove()
    });

    $('#backtest').click(function(){
        console.log('点击回测！')
        $.post("http://127.0.0.1:8000/api/strategy/run", {
              "task_id": 7,
              "start_date": "20100101",
              "end_date": ""
            } );
    });


</script>
  {%endblock%}