做一个年化50%的策略容易，但做出一个年化15%，但夏普​超过1个策略不容易（代码+数据+优惠券）

做一个年化50%的策略容易，但做出一个年化15%，但夏普超过1个策略不容易。

回测系统，如果你读过几个系统源码的话，开发一个回测系统也不是很难的事情，当然把回测逻辑搞透，对于理解策略开发会有很多好处——我们已经开发完成了，并开放了源代码多策略、高性能、积木式框架（代码+数据）。

重点就是针对不同投资市场的策略构建。

要构建一个稳健的高夏普策略投入实盘，风险平价是绕不开的话题。

计算投资标的的协方差：

风险平价配置：

按给定的“风险预算”分配权重：

带约束的风险预算：

未配置约束的情况，等同于风险平价：

C = None
d = None
from engine.pyrb import ConstrainedRiskBudgeting

CRB = ConstrainedRiskBudgeting(cov,C=C,d=d)
CRB.solve()
print(CRB)

投资组合的预期收益与波动率计算：

R = returns
R_mean = R.mean()*252

#计算年化协方差
R_cov = R.cov()*252
#计算相关系数
R_corr = R.corr()
#计算年化标准差
R_std = R.std()*np.sqrt(252)

#投资组合的预期年化收益
weights = np.array([0.15,0.2,0.15,0.5])
# R_port = np.sum(weights*R_mean) #向量乘法计算
R_port = np.dot(weights,R_mean) #数组计算
# weights.shape
# R_mean.shape
vol_port = np.sqrt(np.dot(weights,np.dot(R_cov,weights.T)))
print('投资组合的年化预期收益率：',round(R_port,4))

print(‘投资组合的年化收益波动率：‘,round(vol_port,4))

根据趋势交易选出当前可持仓的标的，然后使用风险平价分配权重，计算年化波动率。若波动率大于或小于预设值，则等比例降低风险资产的风险风险预算。比如[1,1,1*w,1*w]后归一化得到风险预算，循环计算，直到符合波动率要求。

一些感悟

人生最重要的几件事：赚钱，健康以及平静的心态。

不好的人或事，其中也许还包含的个人的误会与偏见，只要不触及底线，就随它去吧。与之纠缠，只会徒增烦恼。远离事非，反倒轻松。以静制动，以逸待劳。

要说不被流量裹挟，是很难的事情。

内心依然需要保持清醒，做长期有价值的事情，而不必特别去关心流量、转化，至少一开始是这样。

你若盛开，蝴蝶自来，你若精彩，天自安排。

但行好事，莫问前程！