2024年Quantlab的发展路线图基本确定下来：
1、回测系统底层完全自研重写（更快，更灵活）：
当前的底层框架是pybroker。我们仍然会借用它的部分代码。但pybroker有几个问题，一是为了兼容机器和传统规则，多空，回测速度慢；二是它交易手续费没有计算在内。
我们参考和吸收众家之长：
引擎部分借鉴pybroker，代码比较现代；
参数优化看了backtesting.py，暴力穷举和机器学习优化超参数；vnpy的ga遗传算法寻找超参数。
多因子计算，借鉴了qlib的因子表达式。
策略算子，使用bt的思路，模块化的设计。
2、自动参数优化，寻找最优参数
3、因子分析框架：自动挖掘，筛选，分析因子。
4、支持多策略组合。
5、积累多因子（手工或者挖掘的，或者研报里来的），并实现树模型learn to rank（树学习+排序学习）的stock ranker。（WFA滚动学习）
在这之上，支持零代码开发策略。
昨天我们聊到的通用策略模板：一个通用策略模板是“轮动策略”。
在排序之前，可以添加规则信号过滤、筛选标的，把不合适的直接排除掉。然后对剩余标的选择前K支交易。
ETF投资可以分为资产配置型、交易型、套利型三大类。
资产配置型策略期限比较长，偏机械被动交易，风险相对较低，具体包括配置策略、定投策略，网格策略。
交易型投资策略投资期限较短，风险相对较高，具体包括波段策略、轮动策略。
套利型投资策略投资期限最短，并且风险最低，但是比较难捕捉，在一、二级市场出现价差机会的时候，采用价差套利策略。
部分ETF产品是T+0交易，例如跨境ETF、债券ETF、黄金ETF、货币ETF。这些产品当天买入当天就可以卖出。
因此可抓住日内波动，低点买入高点卖出，从而实现日内波动策略的操作。
吾日三省吾身
最近不时在思考和完善2024年的“ABCZ”计划。
这是23年时写的：人生计划之”ABCZ”。（新一年的辩论赛似乎又要开始了，今年可能聊的是AI相关）。
早上想来，之前的ABCZ计划都是基于自己的思考下做出。
偶尔跟身边朋友讲过，得到一些反馈。
从“守正出奇”的角度，在“守正”的基础上，“出奇”本身也是“反脆弱”系统构建的一部分。
好比，80%以上的资源部署在长期主义之后，也可以有20%以内的资源去“追逐热点”。
关注一些新兴的，自己未知的，热点的领域，没准会有惊喜。
C计划可以保持更多的开放性与可能性，去尝试，拥抱新兴事情。
好比当年加密货币之于李笑来，他在起初就全面拥抱，获得泼天的财富。
发布者：股市刺客，转载请注明出处：https://www.95sca.cn/archives/103576
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！
