DeepAlphaGen:强化学习的因子组合挖掘

我一直在找一个通用的范式，我们开发的框架，也是奔着通用的，算子化，积木式的方式。Quantlab1.8源代码发布，私募分享会以及星球后续方向研讨

从原始数据，到机器建模，再到实盘交易。

传统的因子生成方法都是逐个挖掘的，而忽略了这些因子在下游应用需要集成的问题。因子挖掘出来，再使用机器模型来合成，这时候，如何做到最优呢，有时候，加入一个低IC的因子，效果反而可能会更好。——非线性的世界，我们如何想得明白？

我在星球发了一篇研报，最近打算复现它。

华泰那个DeepAlpha我看了，它的因子生成是直接把函数变在层运算，并没有参与到深度网络的运算中。

而这篇DeepGen强化学习，它引入的类似GPLearn的公式生成树，然后使用强化学习来优化参数的逻辑。使用了gplearn, dso来做baseline，看起来还不错，至少这个范式比较有通用性。

值得复现一下代码。

作者本身有给代码，不过与qlib紧密结合，我打算使用咱们自己的框架Quantlab来复现。

吾日三省吾身

看了一些80，90年代的老房子，房价依然不菲。

背后支撑的力量，一是学区，二是位置。

精炼为两个字——稀缺。

3000点保卫战再次打响。

人口增长放缓、老龄化的问题在未来20年会突显出来。

现在有些幼儿园出现的招不满孩子的情况，未来可能会延伸。

人口基础，决定了劳力力来源，创新能力和消费力量。

20年后，也许并不需要这么多房子。

仔细想想，为什么要买房子，或者说某个位置的房子。

一是教育；二是上班。

教育考虑名校资源，上班考虑通勤。

财务自由之目标就是让上班变得“非必须”。孩子教育也就是义务教育之九年的必要性。当然有些人可能进入了稳定的工作状态，比如体制内，那工作地点可能未来几十年是不变的，通勤也是刚性考量。

看李白传记，真是潇洒，但之于他，有怀才不遇，略带悲剧色彩的意味。

才华是老天追着喂饭，且身逢其时。

但放荡不羁，好喝酒，没有情商还总想参与国家大事。

重友情，好旅游，四海为家，挥金如土，认为千金散尽还复来。

天生我才必有用。

看完不禁反思，人的一生应当如何度过呢？人生的意义是什么？

做自己。

做自己喜欢、擅长且有社会价值的事情。能从这些事情中合理合法获得物质回报，同时还获得尊重。这就是好的人生状态。

在做这些事情的过程中，可以把这些事情，逐步自动化，沉淀为资产，能够带来被动收入那就更好了。