昨天的文章，简单回顾了咱们“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，主打单标的择时。
今天我们要重温一个“quant4.0”，对于咱们AI量化事业，业内一个比较系统的思考。
Quant 1.0：交易信号和交易策略通常是简单、可理解和可解释的，以减少建模中样本内过拟合的风险。
传统量化主要是基于交易员经验的策略模型。普通人学习量化，仍然是最佳的入门方式，海龟，三重滤网等经典的量化投资系统，有助于个人交易思想的建立。
Quant 2.0:将量化的研究模式从小型的天才工坊转变为工业化、标准化的阿尔法工厂。这些因子通常具有高回测收益率，高夏普比率，合理的换手率以及与Alpha数据库中现有因子的低相关性。
Quant2.0主要是挖因子，在股票市场的私募里已经比较流行。
gplearn等自动挖掘因子的工具基本是标配：gplearn在期货和多支股票上因子挖掘实战的代码（代码+数据下载）。
Quant3.0：Quant 3.0更注重深度学习建模。在使用相对简单的因子下，深度学习仍然有潜力通过其强大的端到端学习能力和灵活的模型拟合能力。深度学习需要大量的数据。
咱们在DeepAlphaGen里有尝试过端到端的因子合成：端到端因子挖掘框架：DeepAlphaGen V1.0代码发布，支持最新版本qlib。
当然，这里权是alpha模型的部分，风控与投资组合管理仍然是必要的。
Quant4.0：新一代量化技术“Quant 4.0”融合了最先进的自动化AI、可解释AI、知识驱动AI，正在践行“端到端全流程AI”和“AI creates AI”的理念，勾勒量化行业的新前景。
自动特征工程，比如autogluon，咱们之前也写过代码。Keras(Tensorflow) vs AutoGluon对沪深300指数20日收益率预测对比（代码+数据）
发布者：股市刺客，转载请注明出处：https://www.95sca.cn/archives/103617
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！
