quantlab5.6代码发布，重构deap期货截面多因子挖掘（附python代码+全量期货日线数据）

星球本周代码更新：

1、Deap因子挖掘重构，比之前易用性，代码可读性提升——新增期货截面notebook因子挖掘演示。

2、streamlit界面新增——alphalens单因子分析模块和可视化界面。

3、ailabx.com策略商场新增策略若干。

从原码可读性上而言，gplearn比deap要容易一个数量级。

对于因子挖掘而言，gplearn的改造成本要大一些，但如果你了解原理，难度也不大。——我尝试从官方版本里进行源码解读 ，然后改造出一个适合多标的的因子挖掘框架。

在完成了deap因子挖掘阶段工作后，我的思考。

因子挖掘，类似机器学习竞赛里的特征工程，不过机器学习更像手工构建阶段，一般不会用遗传算法或者强化学习来搜索的。

反思，这样的特征工程有效吗？或者高效吗？

看过不少研报，里面也罗列了一些因子，这本来就不是秘密，因为也不可用。

而且，遗传算法并不难，你开着机器，成百上千的因子就有了。

甚至我直接使用收益率或者夏普比作为优化目标，还非传统IC值，那个因子出来的结果一定是很好看的。————过拟合？那就测试集，验证集一起优化。最终呈现的结果，选择在验证集里效果也不错的。

然后呢？

吾日三省吾身

《百万富翁快车道》里讲了两个系统：商业系统、金钱系统。

金钱系统就是理财投资，投资组合，这里的被动收入靠的是大本金，而非高收益。而商业系统，本身可以为现金系统助力。

因此，构建一个商业系统非常重要。

无论你是做超级个体、一人企业，还是创业，总之需要一个你可以掌控的商业系统。

重点是如何打造属于自己的商业系统，你自己的基本盘。

在哪一天，你不想工作，或者由于一些原因无法就业（看《逆行人生》，你应该了解的财务安全与财务自由逻辑）的时候，你有自己的基本盘，不至于真的“逆行人生”。

构建系统如同种树，十年树木，而且你还不能只种一棵。桔子、苹果，栗子，它们的生长周期，成熟周期都不一样。——但相同点是，它们都是有复利的，就是你种下去之后，它们会吸引养分，到一定程度之后，会自己生长，可能只需要简单的打理即可。

你要做的事情，找到好的品种，种一片树，构建你自己的森林体系。