回测系统升级：支持多策略并行运行。（完整代码下载）

回测引擎更新，新增多线程并行回测：

def run(*backtests, parallel=True):

    if parallel == False:
        for bkt in backtests:
            bkt.run()
        return Result(*backtests)

    def run_func(bkt):
        bkt.run()
        return bkt

    tasks = [delayed(run_func)(bkt) for bkt in backtests]
    res = Parallel(n_jobs=len(backtests))(tasks)
    return Result(*res)

两个回测并行完成，等两个一并完成之后，合并分析看效果。

在前面的文章:

AI量化社群的初心与后续规划：如何更好服务量化学习群体，持续创造价值

重点提及两件事件，

一是一个可以快速交付策略，验证想法的回测平台。这个目标基本上达成了，后续就是补充”算子“，新增表达式函数等，以及增加机器学习模块等功能，这些功能按需增加即可。

二是策略，策略，策略。

重要的事情说三遍。可以指导实盘，甚至是可以直接实盘的策略。

我相信如果说只有一件重要的事情，那就是可以实战的策略。

大家都很忙。

财富自由，最重要的事情只有一件，分享过，什么是最重要的事，就是当这件事完成了之后，其他事情会变成容易，甚至不重要。

专注一件最重要的事，砍掉多余的野心。——之前想的是大类资产配置，智能投顾的逻辑，而且我确实在践行了。七年财务自由之路的逻辑。

但这里的逻辑对于初始本金和增量资金是有要求的。

”低风险中等收益“的投资理念，适合财富保值和稳健增值。

这对于个人理财很重要，

但客观讲，多数用户会觉得太慢，以致于不关心——尽管12%长期年化已经很难很难。

所以，星球要解决大家更急迫的需求——在资本市场不仅安全赚到钱，而且要有更大的收益率，更多的可能性。

另外是AI技术日新月异，金融投资这个古老的行业确实需要变革了。

我们的优势不在于传统基本面，我见过能过几百家公司财报侃侃而谈的兄弟，显然这不是我们要发力的领域。

但我们懂数字，算法，深度学习，当然也懂金融。

后续专注：策略。（数据-因子-规则-策略）。我们会在更广泛的市场去寻找机会，目前已经交付的数据和因子是 ETFETF全量数据下载，引擎重构代码升级分析和可转债市场大数据分析，构建567支可转债数据库，包括转股溢价率，纯债价值（代码+数据下载），A股股票的一部分，后续要把期货纳进来。

比如可转债的经典策略：双低策略。年化22.8%的可转债双低策略（代码+数据）|”努力也未必涨工资”：有人终日努力工作却依然贫穷，有人甚至没有机会努力和接受教育。

数据从2010之后就够用了，之前的市场，很多制度，玩法都发生变化了，没有特别大的参考价值。