股票
-
动态再平衡与轮动模块“积木化”
时间周期算子，很适合动态再平衡。比如年度，月度再平衡。 动态再平衡 class RunPeriod: def __init__(self): self.last_date = No…
-
基于pybroker的动量轮动+排序模型，年化11%（附代码）
除了少数的投资策略，比如套利之外，多数投资组合的构建思路都可归为“多因子模型”。因子可以是基本面，技术面，另类数据等。 单个标的的操作，比如期货、BTC等，重要技术指标加上仓位策略…
-
多因子轮动模型与lightGBM L2R排序学习（思路篇）
之于AI量化，我的目标是“做出系列可以实战的策略”。 关键词：实战。市场可以是ETF，转债，股票，期货还是加密货币。 而且要主动甚至进攻性的在二级市场赚到钱的逻辑。 在ETF、转债…
-
机器学习因子库及特征表达式，创业板布林带突破策略，年化13.3%（附代码）
昨天有朋友留言说，L2R效果不好，当然我不知道这位兄弟的场景。 pybroker vs qlib pybroker的结构里，有一个特别的地方： 无论是规则型策略，还是机器学习，它默…
-
AI量化框架：我们为何要重新造轮子？
01 为何要造轮子 星球群里，今天大家在讨论一个问题：这么多量化框架和平台，为何还要自己造一个轮子，应该把精力放在选股、择时、因子、策略等等才对呀？ 这个讨论很有意思。其实我也不断…
-
pybroker代码框架梳理与WFA算法
成长感悟 人与人协作，一旦涉及利益相关的协作 ，就需要考验人性的复杂。 比如职场，合伙创业，或者其他的一些利益共同体。 有多少创业伙伴，夫妻可以共患难，而很难同享乐的。 职场也是，…
-
年化33.8%，夏普1.22：lightGBM在ETF行业模动上小试牛刀（附代码下载）。
今天做排序学习算法在ETF行业轮动上的策略，我们选用的DBDT框架是lightGBM，它的优点就是快且效果不错。 我们的候选集是29个行业ETF： etfs = [ ‘159870…
-
年化收益 21%：lightGBM的WFA滚动训练，使用qlib的alpha158因子集
把整个框架与思路都在社群里开源出来，就是希望大家看懂思路，而不是拿一两个策略。说实话，投资哪有这种高确定性的“圣杯”。 投资是一个“概率”游戏。我们要做的，尽量提升决策的正概率而已…
-
lightGBM的特征筛选，选择最强效果的因子集
今天继续补充因子，之前alpha158的因子没有补全，今天把它完成。 而且顺带把qlib里的表达式的函数基本都复制了。说实话，我们的表达式比qlib简洁，当然这里得感谢qlib的思…
-
绝对型收益与相对型收益
说到量化里的机器学习模型，并不缺。qlib几乎把前沿的机器模型都实现了。 问题的关键在于，模型的学习能力是够的，甚至是超过的（过拟合）。而因子是不稳定的。某一段历史上，学习的“经验…
-
ETF绝对型收益组合，还得从大类资产风险预算开始
确实，身边的互联网，以前怎么说也是朝阳行业，都在不停的扩张，但现在这样的声音少了。 除了ChatGPT带来一波鸡血之外。 可以AIGC的参与门槛是至少你得是这个算法吧。这与多数程序…
