多策略、高性能、积木式框架（代码+数据）

今天继续bt框架之应用、改造与解读，目前看，把bt框架融合进来，是一个正确的选择。

原因：

1、我们之前的“积木式”模块化，本身与bt理念就是一下的，学习成本与改造代价很低，很多拿过来可以直接用。

2、bt本身比较成熟，交易手续，滑点，它的报表，可视化，指标都比较完善，这一块之前打算自研，还是有不少细节要处理。

3、亮点功能：多策略，得益于它的树形结构，它可以同时跑多个策略，性能很多（cython加持）。

如下代码，一次定义并运行三个策略，效果对比一目了然（之前我的做法是把三个策略运行后，结果保存起来综合对比，这是无奈之举，bt框架完美的解决了这个诉求）：

df_factor = df[['symbol', factor_name]]print(df_factor)stra_name = '大小盘动量轮动'strat = engine.Strategy(stra_name,                        [                            #RunMonthly(),                            SelectTopK(df_factor=df_factor, factor_name=factor_name,K=1, b_ascending=False),                            WeighEqually(),                            Rebalance()                        ]                        )s2 = engine.Strategy('等权买入-再平衡',    [        RunMonthly(),        SelectAll(),        WeighEqually(),        Rebalance()    ])s_bench = engine.Strategy('基准-沪深300（000300）',    [        SelectThese(tickers=['000300.SH']),        WeighEqually(),        Rebalance()    ])bkt = engine.Backtest(strat, df_close,integer_positions=False)bkt2 = engine.Backtest(s2, df_close,integer_positions=False)bkt_bench = engine.Backtest(s_bench, df_close,integer_positions=False)res = engine.run(bkt,bkt2,bkt_bench)

algos_extend.py是我扩展的模块，主要是把topK算子，这个我们在轮动策略里用得很多的，迁移过来了。

代码在如下位置，大小盘轮动的notebook里，有上述多策略的演示：

吾日三省吾身

昨天睡得不错，因为一个工作中一个纠结好久的项目，终于有人来帮忙。尽管看起来仅算是帮忙，但终归有不小的进展。

有因此小事而困扰，格局还是需要提升。

人生之意义是自己赋予了。

有人觉得城市喧嚣好，有人认为田园风光好。

自己舒服就好。

一个好的状态是“做时间的朋友”。就是你做的事情，你布的局，时间对你是有利的，你就是时间的朋友。

好看的皮囊就不是时间的朋友，因为容颜终会老去。

读过的书，走过的路，经历过后的反思。

时间会解决很多问题，或者说是一切问题。

如果你是时间的朋友，一切就会越来越好。

成功是多因素的综合态，成长是自己可以努力的变量。

投资理财能力、阅读与深度思考，健康的生活习惯，写作沉淀有价值的内容，这些都是时间的朋友。

格局大了，就不必也不会在意蝇营狗苟，之于烂人烂事，最好的方法，莫过于无视。

时间的朋友会解决一切。