quantlab3.0开启：回测+实盘+数据+AI智能的一体化交易平台

回顾一下AI量化的心路历程：

1、低风险阶段。

从场外基金开始，一开始是纯债，然后接触到固收+，到股债平衡。

做过一段时间优质主动型基金的评测和跟踪。

当时的目标是“智能投顾”。

理论基础是投资组合理论，大类资产配置，风险平价等。

希望获得绝对型收益，有点像国内的“理财魔方”的逻辑。

后来指到指数基金为主，争取长期10%的年化。

这套体系已经基本固化下来，基本不用操心。

我自己的一些长期资金，90%都在上面，长期全仓运作。这个在星球“个人成长与财富自由践行社”里有专门开专栏说明，不再详述。【星球优惠券】AI量化实验室&个人成长与财富自由践行社

2、ETF主动管理

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

这也是quantlab2.x的一个小结。

ETF组合特别适合大类资产轮动，主动管理。可以交易全球优质资产，黄金，石油等。

这一阶段，主要是通过“低相关性”来降低波动。

3、我们下一步要做的事情，quantlab3.0。

主打单标的择时。

星球有同学问，algo不能做单标的，限价单么？可以。

但从设计理念而言，algo的模板更适合多标的轮动。

轮动一般不止损的，也没有限价单之说，比较的是“相对优势”。

vnpy的代码结构还是比较简洁的，后续需要细看它的数据结构，如何与quantlab来整合。

vnpy的“插件化”结构体系：

from datetime import datetime

from vnpy.trader.optimize import OptimizationSetting
from vnpy_ctastrategy.backtesting import BacktestingEngine
from vnpy_ctastrategy.strategies.atr_rsi_strategy import AtrRsiStrategy


engine = BacktestingEngine()
engine.set_parameters(
    vt_symbol="IF888.CFFEX",
    interval="1m",
    start=datetime(2019, 1, 1),
    end=datetime(2019, 4, 30),
    rate=0.3/10000,
    slippage=0.2,
    size=300,
    pricetick=0.2,
    capital=1_000_000,
)
engine.add_strategy(AtrRsiStrategy, {})


engine.load_data()
engine.run_backtesting()
df = engine.calculate_result()
engine.calculate_statistics()
engine.show_chart()


setting = OptimizationSetting()
setting.set_target("sharpe_ratio")
setting.add_parameter("atr_length", 25, 27, 1)
setting.add_parameter("atr_ma_length", 10, 30, 10)

engine.run_ga_optimization(setting)