从长期来看，投资离钱这么近，离数据这么近，信息决策如此重要的领域，AI一定是要主导的。
技术面者首当其冲。
基本面者好一些，但ChatGPT如日中天，时间问题。
因此，我们做长期主义的事情。
另外，有一个根本的问题，我们聊财富自由，背后的基础逻辑是“被动收入”。职业股民是一个比工作还累，还要承担风险，高度紧张的工作。这与自由也没有关系呀，最多算地点自由，但时间不自由。
只要高度自动化，智能化，还是赚钱的模式，才是真正的自由，因此，拥抱AI量化吧。
底层引擎替换成了pybroker，为机器学习作准备。
昨天AI量化系统之长期主义的思考说了三种路径，我们先来走深度神经网络这一条路。
今天说说DeepAlphaNet。
AlphaNet的架构如上图：
输入是股票的基础价量数据。
- 股票池：全 A 股，剔除 ST、PT 股票，剔除每个截面期下一交易日涨跌停和停牌的股
票。 - 原始数据：未经过特征工程的个股量价信息，对于每只股票，将其
量价数据拼接成 9*30 的“数据图片”，30 为历史时间天数。 - 预测目标：个股 10 天后标准化的收益率；个股 5 天后标准化的收益率。
未来几周，将逐步复现这这个代码。
当然这里可以提升的空间还很多，比如提取特征的函数，比如网络的层数等等。
框架的造型，会考虑keras(tersorflow)dataloader重构与keras入门体验，pytorch，结构化数据我们之前分享过autogluon年化26.8%，夏普1.28，单向做多螺纹钢的期货策略，Autogluon机器自主调参（策略+代码下载）。，当然还是StockRanker(梯度提升排序算法)qlib与深度集成学习实现StockRanker，因子挖掘的gplearngplearn筛选高ic值因子，单因子回测（代码下载）等等。
吾日三省吾身
提炼几点：
1、量化私募里很多团队是赚钱的。
2、信号，机器学习，端对端学习正在成为主流。
基于经验，天赋也许存在，在不可复制，不可传承，仍然是一份苦差事，且不容易自进化，而对于AI来说，这是基本功。
如同Alphago到AlgoMaster，从学习棋谱到双手互搏，也许投资经验也非刚需。
其实这是真正意义上的跨界，在算法，人工智能领域，这些技术成熟，且可以说算是入门级别的。
但在信息如何值钱的金融投资领域，是如何稀缺。
这会是星球下一个阶段之重心。
围绕策略实盘，从因子挖掘开始，目前计划的路径三种：
一、gplearn为代表的遗传框架挖掘因子+StockRanker这种因子+合成模式
二、深度网络这种端对端DeepAlphaNet。
三、当然还有一个范式是强化学习，直达自动化交易。
之前有写入一些gplearn的文章，不够系统，可先看看。
吾日三省吾身
长期这个词都上升到主义了，有点被滥用的意味。
自媒体“功不可没”，什么长期主义者的五大特质的文章泛滥。
但多数没有讲到本质，甚至是互相矛盾的。
他们说，长期主义要坚持，做“难而正确”的事情。要延迟满足，要目光长远，要看到长期不变的东西。
都对，但有什么用？
好的道理是对我们的工作与生活有指导意义，否则就是鸡汤。
从本源出发分析为何需要长期主义，进而探讨什么是真正的长期主义。
有价值的事情，往往很难。作为普通人的我们，相信“低垂”之果大概率不会轮到你我。
难的事情，需要投入大量的时间，正确的方法去刻意练习才能做到。
由于这样的工作量的存在，因此，时间这个维度的“长期”就出来了。
光长期还不够多，得你这件事本身有价值，你的方法是对的。
所以这里有三个维度：正确的事情（目标），正确的方法（路径），持续的投入。
从这个角度望过去，所谓“难而正确”就有误导性，为什么要“刻意“找”难“的事情做呢？自虐吗？难如何定义，是因为你没有资源，还是不擅长才难。让周华健去做数字，韦神去唱歌这种难吗？
”长期不变“的事情，就会陷入虚无。从长期来看，我们都会死，不是吗？
试问谁不知道，用户价值第一，不要太在意短期股价波动，只是恰好贝索斯成功了，而当当掉队而已。商业是一个非常复杂的系统，这些公式都是事后归因而已。
还有“专注“，”坚持“等等。
老喻的说法比较好，长期主义很难定义，更难实践。
很多人当前的事情，没做好，安慰自己没事，长期主义，慢慢来。
时间是一天天过去的，我们真正拥有的时间，只有当下。
长期主义 与 当下行动的关系——永远做当下你能做的最重要的那件事。
长期主义是一个人或机构的长期评估体系，愿景，价值观，终极目标。这个你判断取舍的依据。
当下行动，是从概率上评估，最有利于这个终局目标的一步。
专注于眼前最重要的那件事，但行好事，莫问前程。
发布者：股市刺客，转载请注明出处：https://www.95sca.cn/archives/103802
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！
