12年年化收益14.5%的大小盘轮动，投资应该可以很简单的（代码+数据下载）

今天来一个比昨天还简单的策略，创业板ETF动量择时：年化21%，最大回撤18%。

创业板择时策略代码如下：

def gen_cy_picktime():
    proj = ProjConfig()
    proj.name = '创业板动量择时'
    proj.commission = 0.0001
    proj.slippage = 0.0001
    proj.symbols = ['159915.SZ']  # 证券池列表
    proj.benchmark = '159915.SZ'
    proj.start_date = '20100101'
    proj.data_folder = 'etfs'  # 这里指定data/数据目录

    fields = ['roc(close,20)']
    names = ['roc_20']
    proj.fields = fields
    proj.names = names

    # 这里是策略算子列表
    proj.algos.append(
        AlgoConfig(name=SelectBySignal().name, kwargs={'rules_buy': ['roc_20>0.08'], 'rules_sell': ['roc_20<-0.0']})

    )
    #proj.algos.append(
    #    AlgoConfig(name=SelectTopK().name, kwargs={'factor_name': 'roc_20'})
    #)
    proj.algos.append(AlgoConfig(name=WeightEqually().name))
    proj.algos.append(AlgoConfig(name=Rebalance().name))

    return proj

昨天的策略，再优化一下，年化20.3%，就两个标的：沪深300ETF和创业板ETF两个宽基ETF。

大家选择“大小盘轮动”策略即可：

代码在个位置：

之前的文章提及的DeepAlphaGen:

DeepAlphaGen:强化学习的因子组合挖掘：框架代码+数据下载

代码在如下目录：

代码已经同步至星球：

【优惠券】知识星球与开源项目：万物之中，希望至美

吾日三省吾身

“凡事发生必有利于我”。

上周开始，眼晴不舒服，初步判断是干眼症。

想来，沉浸式写代码，做研究，用眼过度。

停下来，思考方向，人的精力真的很有限，专注做好能力圈的一点事情就好。

做有积累的事情，尽量自动化。一次时间投入，多次复用的事情。

如无必要，勿增实体。

投资应该是轻松，愉悦，甚至是略显无聊的事情，它不需要你特别努力，也不是你努力就有用的。关键是你要做对的事情，方向对就好。

后续的重心：

Dagster盘后更新数据，在线的， SAAS化的回测系统，不排除可转接对实盘。数据上会专注把ETF先搞扎实，当然技术栈，框架，因子挖掘，我相信都是通用的，大家愿意用在股票上，期货上，甚至加密货币上，都是可以的。

后端的框架应该还是Django，如果需要前后端分离，会使用django-ninja 一个类似fastapi的框架。前端暂时不想引入nodejs，太麻烦，还是喜欢bootstrap（jquery）的老方式。

我们那个年代的程序员，对于SEO是有执念的，也不知道有没有用。

SAAS版本AI量化回测系统，最大的挑战在于，任务可能需要异步运行，当然django也有celery这样的框架。

后面咱们社群的规则：

1、每周打包更新系统源代码及数据1次（暂定每周五）。

2、加一条主线：给星友们提供线上化的回测系统，避免新同学安装，使用的成本。（代码仍然会提供下载）。

3、官方提供成熟可实盘策略供订阅。

从很多量化书上最简单，但最实用的——大小盘轮动策略：

def gen_rollong():
    proj = ProjConfig()
    proj.name = '大小盘轮动策略'
    proj.commission = 0.0001
    proj.slippage = 0.0001
    proj.symbols = ['159915.SZ', '510300.SH']  # 证券池列表
    proj.benchmark = '000300.SH'
    proj.start_date = '20120528'
    proj.data_folder = 'etfs'  # 这里指定data/数据目录

    fields = ['roc(close,20)']
    names = ['roc_20']
    proj.fields = fields
    proj.names = names

    # 这里是策略算子列表
    proj.algos.append(
        AlgoConfig(name=SelectBySignal().name, kwargs={'rules_buy': ['roc_20>0.02'], 'rules_sell': ['roc_20<-0.02']})

    )
    proj.algos.append(
        AlgoConfig(name=SelectTopK().name, kwargs={'factor_name': 'roc_20'})
    )
    proj.algos.append(AlgoConfig(name=WeightEqually().name))
    proj.algos.append(AlgoConfig(name=Rebalance().name))