样本外策略年化17.4%，最大回撤14.8%，夏普1.21：Autogluon自动调参择时（策略原3代码+数据）

今天的核心内容是机器学习驱动的投资——Ai First。这是区别于传统量化的，传统量化，技术面或者基本面，其实是把人的经验数字化而已。

今天量化系统更新：

2023-09-22

quantlab 1.2
1、新增SelectByModel算子，用于机器学习预测。
2、引入AutoGluon模块，支持自动预处理数据，自动特征工程，十几个模型组合择优。
3、机器择时的策略案例，近两年年化17.8%。

人脑本身只能处理线性的关系，IC/IR分析就是线性相关，线性拟合。更高维的关系，人脑处理不了，人眼也看不出来。

从Autogluon开始吧，之前我们分享过pycaret。

pip install autogluon

我们对单支证券进行择时，预测下一步会涨就买入，会跌就卖出。这是投资策略里最难的一种，我们让机器来试试。

样本外，年化17.4%，最大回撤14.8%，夏普1.21，还不错。要知道，近期沪深300可是一路下行：

新增机器学习预测的算子：

class SelectByModel(Algo):
    def __init__(self, model_path="mymodel/"):
        self.predictor = TabularPredictor.load(model_path)

    def __call__(self, target):
        df_bar = target.df_bar
        df_bar['pred'] = self.predictor.predict(df_bar)
        #print(df_bar)
        df_bar['sell'] = df_bar['pred'] == 0
        df_bar['buy'] = df_bar['pred'] == 1
        #print(df_bar)
        return True

策略配置的toml文件在工程如下位置：

name = '机器择时'

[data]
start_date = '20100101'
test_start_date = '20210611'
end_date = ''
symbols = [
        '510300.SH', # 沪深300ETF
    ]
fields = ['shift(close,-1)/close -1','std(close, 20)/close','roc(close,20)','corr(close/shift(close,1), log(volume/shift(volume, 1)+1), 30)','corr(close/shift(close,1), log(volume/shift(volume, 1)+1), 30)']
names = ['label_c','std_20','roc_20','CORR30','CORR60']
data_folder = 'etfs' # 数据在data下的目录

[model]
model_path='mymodel'
label=''

[[algos]]
name = 'SelectByModel'
model_path='mymodel'


[[algos]]
name = 'SelectBySignal'
rules=['buy']

[[algos]]
name = 'SelectBySignal'
rules=['sell']
exclude= true

[[algos]]
name = 'WeightEqually'

[[algos]]
name = 'Rebalance'