本周gplearn在期货和多支股票上因子挖掘实战的代码已经发布至星球：
昨天在星球收集开源框架，有星友建议的freqquant，加起来，下周工作重点是拆解wondertrader, vnpy, 还有freqquant。
了解咱们的朋友都知道，我肯定不是教大家如何应用这些框架，这些大家直接上官网就好了。
我们的目标是学习它们设计的精华，然后规避其弱点。
你说，人家成熟的平台为何要重新设计。
其实，这就看诉求了，很多平台，很重，有历史包袱。或者选用了C++，那是给专业机构的，对于我关心的群体，这可能并非必须，这都可以取舍。
还有pyqt的GUI是否必要？自动化交易的角度，这也不是必须的。
而且我们还有自己的核心 ，比如自动挖掘因子，构建自己的交易系统等。
即要充分学习业内已有的优秀框架，又要结合我们自己的目标。
我们的目标是什么呢？
全流程，全品种交易，自动化实盘，有监控和干预界面。
方便策略开发。
有参数优化，风险体系。
尽量低门槛和简单易用。
开源。
从哪里开始？围绕策略开发的CTA引擎， 回测加实盘一体的系统。
WonderTrader的介绍：WonderTrader——组合盘管理的利器，我了解到了不少私募在用。C++的引擎，上层支持pyhton。vnpy主要是期货实盘，带GUI，而freqquant主要面向加密货币，带webui。
WonderTrader是一个基于C++核心模块的，适应全市场全品种交易的，高效率、高可用的量化交易开发框架。
面向于专业机构的整体架构，数十亿级的实盘管理规模，从数据落地清洗、到回测分析、再到实盘交易、运营调度，量化交易所有环节全覆盖。
这个作为总体框架结构还学习还是不错的，但C++引擎，这个对于多数同学就有难度了，我自己本身早年是做C++开发，但基本也不熟悉了。
引擎就包含四种：CTA，SEL，HFT，UFT。
wondertrader的主架构和设计理念是不错的，但主程序都是c++代码，与咱们定位——简约而言，就先不考虑了。当然理念不排除可以参考。
它有一个子项目，wtpy。
回测分析，期货换月辅助。
这个模块是我感兴趣的，使用Fastapi做了一个监控后台。vnpy的gui是使用pyQT5开发的。
vnpy的代码现在拆分成一个个小模块了。
CTA回测，实盘的工程在vnpy_ctastrategy上。
咱们quantlab之前的设计，无论底层是pybroker，还是bt 或者backtrader，都针对日线级别的投资组合管理，algo的设计不方便止损，限价单之类的操作。
从理解量化的角度，单标的的CTA逻辑，更适合入门者。
普通用户，真要全市场交易股票，一次100支，恐怕资金都成问题。
后续，我们会补齐单标的CTA的回测到实盘的全链路。
按咱们星球的习惯，每周更新一次代码。
12.1系统原代码发布：
1、趋势策略更新：年化32.1%。
2、简化了gui，把策略task优化成通用的bug。
3、修正一些已知的bug。
下一步计划：端对端的基于深度学习和强化学习的因子挖掘框架搭建。
没错，我们即将启动DeepAlphaGen的框架研发。
星球里留给大家的作业，感谢很多同学的积极参与。
我总结了下，几个方面：
打通实盘的诉求，期货和股票一半一半。
比如下面一个问题以及我的答复：
吾日三省吾身
“你在凝望深渊的时候，深渊也是凝望你”。
放下情绪，追逐自己的成长。
人脉如此。
曾经我们多么渴望接近一些东西，可能带来安全感。
然而，人脉讲求对称性。你的价值决定人脉的质量。
实力不够，圈子不要硬挤，没有意义。
要搞很多人际关系的生意，肯定不是好的生意。——老俞。
发布者：股市刺客，转载请注明出处：https://www.95sca.cn/archives/103626
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！
