基于python-nvd3对equities曲线可行可视化预计算

我在想，那些量化平台里供人付费订阅的策略，不能说全部，而是说有一大部分，是这样运作的。

好比，每年年终，都可以评出一个批优质的主动型基金经理，这些基金，无一例外，成绩斐然，吸引大量投资进来。因为业绩实在太好看了，然后基金经理们事后归因，高瞻远瞩。

优秀基金经理，人家那履历，那经历，那背景，那投研能力，那团队，还算可以理解。但个人投资者，通过配置几个量化指标？

有几种情况是可能的，大类资产配置，趋势交易与轮动，跑赢大盘是没有问题的。

单一股票市场就是“赌风格”，对了，某一段时间的收益益会非常高。

比如我看到一个打榜的小市值：

长期跑输大盘，然后在某8月、9月，突然“押中”某支股票，拉升了收益率。看后面的表现不得而知，目前看在“横盘”。

关于量化，我们一直在说一个悖论：如果投资能赚大钱，为何还要做策略？自己闷头发财不好？

我自己的观点一直是：

投资理财是普通人复利之最佳杠杆。10%的长期年化很容易。我们做工具和策略，是提供你这方向的知识与概率。注意：仍然是概率。

我想做一些长期的事情。

与我之前不相信K线就可以投资股票一样，搞几个因子我同样不相信。这不符合常识与逻辑。

做一件事，最怕底层逻辑不通，瞎折腾。

一个好的组合策略，应当是熊市不大亏，牛市跟得上。

继续代码，把回测完成后，equities写回mongo备查：

@asset(description='可视化equities', group_name='task')
def visual_html():
    tasks = ['5a3907af-7852-11ee-aeb4-c858c0412ade']
    for id in tasks:
        items = mongo_utils.get_db()['tasks_equities'].find({"id": id}, {'_id': 0, '策略': 1, '基准': 1, 'date': 1})
        df = pd.DataFrame(list(items))

        df = df.iloc[-252:]
        html = visual_utils.build_linechart_html(df,'回测曲线', cols=['策略','基准'], width=400, height=260)
        mongo_utils.write_file_data('tasks_html',html, {'_id': id, 'encoding': 'utf8'})

        html = mongo_utils.read_file_data('tasks_html', id)
        print(html)