年化26.4%，quantlab5.5发布——多任务机器学习组合优化，可视化策略生成向导（代码+数据）

本次代码主要更新： 

1、主界面gui应大家要求加回来了，同时更加易用了。包括因子轮动策略，信号策略下周再加进来。

2、时间序列分析界面。

3、多任务机器学习策略的代码。

01 主界面

你运行起来，点击回测，就可以看到这个年化26.4%的示例策略：

免安装，快速体验的地址：http://ailabx.com/quant（用桌面电脑浏览器打开），可以SAAS化地使用咱们的回测和策略开发平台——还在持续迭代中。

02 时间序列

这部分代码，大家直接运行main.py——直接运行main.py，不要自己加streamlit：

import os
import runpy
import sys

def main() -> None:
    streamlit_script_path = os.path.join(os.path.dirname(__file__), "streamlit_main.py")
    sys.argv = ["streamlit", "run", streamlit_script_path]
    runpy.run_module("streamlit", run_name="__main__")


if __name__ == "__main__":
    main()

03 策略集

examples目录更名为”策略集”——这是咱们使用notebook呈现的策略列表，方便大家使用。

本周一星球里同步的——多任务学习机器学习的论文代码在这里。稳稳的年化10%，多任务时序动量策略——基于pytorch的深度学习策略（附python代码）

注意，本周这个策略有难度——环境都有难度，新手不建议尝试，如果要安装，需要安装torch与你本机匹配的cuda的版本。

下周会把单因子分析移植到gui上来，同时，加上信号规则策略逻辑。

吾日三省吾身

三年后、五年甚至八年后，你想过上什么样的生活。

制定目标时，你应该这么看。——现在的生活是你三年前、五年前的模式所决定的，没有办法很快去改变。

但三年，五年后的生活，是你当下的模式所决定的。

你理想中的生活与现实中的生活，之间的差距，就是你要去补足的地方。

回顾五年前，开始认真系统化搞量化、完成了Z计划的部署。三年前，开始认真输出内容，就有了B计划的样子。

未来三年，五年，C计划要建立起来。人生计划之”ABCZ”

你的C计划是什么呢？——以投资交易为生吗？

这个需要想清楚，这条路当然优点非常多，尤其适合内向，不喜欢，也不擅长与人协作、打交道的同学们。

不过，这条路最难之处在于，它没有标准答案、没有圣杯。

有时候不是努力就可以的，它需要一种特质，一点点悟性，还有很多的耐心。

A计划以稳为主，但当下没有确定性，积极拥抱变化。

B计划强调积累和自动化，搭建一个商业系统，一条管道，而不是多干一份工作。

C计划，大胆一点，疯狂一点，守住底线的基础上勇敢做自己。

Z计划，决定性及安全感的来源。