股票
-
chatGPT是智能投研的一个可能路径
主动投资三个思路： 传统量化，规则型，多因子等权策略，一般就是把自己的投资理念融合进去，简单，容易解释，容易运行。自己调整起来也容易。但因子风格会漂移，小市值，低估值，还是RSRS…
-
多因子选股+风险平价计算仓位的模型
建立了dagster任务调度，django平台呈现的基础技术架构。 从投资而言，为数不多的确定性是大类资产配置，而在此之上，做动量以及行业轮动。大类资产配置简化版就是“股债平衡“，…
-
我的开源项目及知识星球
微软的开源量化框架qlib是个不错的项目。代码质量好，工程能力强。 但直接是机器学习导向，后面使用了大量的ymal，导致在学习阶段，定制阶段有些困难。 而且qlib的回测引擎偏弱，…
-
HDF5的增量更新与datatables显示可转债列表
01 HDF5的子集操作 大家如果熟悉我们之前的思路，知道我们后端使用mongo来存储金融数据。其实很多小私募投资公司就是这么做的。日频的数据，其实用mysql都行，而mongo…
-
dagster从mongo同步数据到hdf5
世界是高度不确定性的，但我们总需要“主动”做点事情。 先动起来，就打败了至少50%的对手。 回顾一年前，似乎生活与工作状态没有特别大的变化，但往前看三年，还是发生了不小的改变。 一…
-
使用dagster的asset物化对可转债基础数据进行多因子计算
目前可转债数据，因子计算，我们只需要可转债价格、可转债转债价即可。 每天下午5：00，自动执行可转债数据入库： 而对应的正股，我们需要更新正股价格，净利润年增长率，PB，PB等指标…
-
qlib平台很香，但我还是造了轮子…
微软的开源量化框架qlib是个不错的项目。代码质量好，工程能力强。 但直接是机器学习导向，后面使用了大量的ymal，导致在学习阶段，定制阶段有些困难。 而且qlib的回测引擎偏弱，…
-
使用dagster重构可转债与股票数据更新入库
“专注做好一件事情，砍掉多余的野心”。——这篇文章收藏了好久，每天看到都有触动。 有时间我们想做的事情太多，或者说担心自己做不好，所以多做几件事情。但这里颇有些“自证预言”的逻辑在…
-
绝对收益型 ETF 轮动策略：自顶向下与自底向上相结合
春节这几天还是比较充实的，折腾了dagster和prefect，最终确定仍然选择dagster。prefect更轻量，上手很快，几乎是没有学习曲线。但凡面皆有两面事，prefect…
-
dagster的docker部署以及动态图编排
——写在前面，关于人生计划之“ABCZ”。B计划是“人生第二曲线”，是个人能力模型，兴趣外延。而不是“凭空设想”——这个更像是C计划。很多人上什么学校、学什么专业，在那个年纪是没有…
-
dagster用于AI量化投资的数据流编排
无论是量化投资还是算法模型，当然这二者会统一到“AI量化”这个大命题下边——都需要一个pipeline的编排调度。 无论是量化还是算法，我们花了大量的时间，在数据整理、准备下。策略…
-
dagster vs prefect：现代数据流编排
转债与ETF搁一块来比较，转债是可以全市场选债，因为横向都可以对比，选择性价比，质地最优的持有。 场外以主动型基金为主，买的是服务，比如优质固收+、主动型基金等。 ETF是不同的。…
