咱们“AI量化实验室”一路走来，成长的三个阶段。
quantlab3.0开启：回测+实盘+数据+AI智能的一体化交易平台
1、低风险阶段：长期10%的年化。这套体系已经基本固化下来，基本不用操心。
2、ETF做趋势交易是长期有效的。我们开发了一系列策略，其中这个是我比较满意的。
系统源代码发布v2.4供下载，带年化32.1%策略，简化GUI逻辑
我们下一步要做的事情，quantlab3.0，要补充单标的择时。
考虑到回测与实盘的兼容，最低成本的切换，回测引擎用了“时间驱动”就不太合适，需要“事件驱动”。比如新的onbar事件等等。
ctpbee的做法是，回测还是时间驱动，实盘是事件驱动，框架实现还是有点“拧巴”。
想起早年读过的框架代码，pyalgotrade是事件驱动，当然它最近已经不维护了，作者开了一个新架构，叫basana，异步架构，做量化加密货币为主。
01 事件驱动 还是 时间驱动
vnpy早年也是纯事件驱动，新版本的回测引擎也换回了时间驱动。时间驱动确实不方便debug，不如时间驱动直观。
vnpy最近的代码拆分的有点“碎”，cta是一个模板， portfolio又是一个模板，主逻辑大同小异，但一个load_bar， 一个load_bars。
其实CTA是portfolio的一个个例，这个拆分对于维护代码，测试工作都引入额外的成本，不好。
02 指标计算
咱们用的是“因子表达式”，与qlib类似。
这个适合大规模因子计算与机器学习，为后续因子挖掘，组合，测试做准备。
这个优势咱们保留下来。
03 与实盘兼容
我们之前使用pybroker作为底层api。
这里需要按A股的习惯重新实现一下，统一为send_order，以便与实盘框架整合。
回测框架需要实现一下simulator。
主系统有统一的engine。engine可以添加一个或多个strategy（CTA或者portfolio）, 可以选择backtesting还是live(实盘模式)。
回测模式，启动本好looper，加载历史数据，并时间驱动，调用engine.onbars，调用策略的onbars, 同时更新broker。
实盘模式，通过callback调用engine.onbars。
最近策略与文章
想进入财富自由快车道，要找到自己”天生喜欢和擅长“的领域，去积累专长。
十年年化20%-29.6%的策略集：覆盖动量、风险平价，波动率（系统+策略集代码+数据）
稳健的绝对型收益策略：长期年化10.6%的风险平价策略（代码+数据）
十二年年化21.4%的大小盘（沪深300vs创业板ETF）轮动策略，简单而有效（代码+数据下载）
创业板单标的择时策略，年化20.6%，投资只要你有耐心，守纪律，年化20%+并不难。（代码+数据）
实盘SAAS化策略：长期年化29.6%，代码发布，请下载更新
发布者：股市刺客，转载请注明出处：https://www.95sca.cn/archives/103610
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！
