量化
-
LGBRanker排序算法重构，29个行业轮动滚动回测长期年化11.1%（代码与数据下载）
聚焦目标，做有意义的事情。 之于当下而言，可能有两件事：一是AI量化可以产出交付实盘的有效策略；二是如何有效切入AIGC。 今天先来看看因子分析。 代码在这个位置：alphalen…
-
使用toml配置工程，模块化开发策略的门槛更低
行业轮动为何有效？ 行业之间的驱动因子不同，有负相关性，此起彼伏。因此，择其动量大者持有，可获长期收益。 相对规则量化，为何机器学习要生效很难？ 机器学习通过因子特征做统计预计，数…
-
给AI量化平台提供GUI界面（代码下载）
近期文章更新比较频繁，得到一部分同学的认可，1群加满了，后续加2群，内容都是一样的。当然后续看如何更高效连接在一起，需要看工作量和相应的机制了。 星友们有券商或私募出身，也有算法、…
-
50支股票，深度强化学习选股，确定使用stable-baseline3深度强化学习框架（代码）
继续强化学习应用于股票投资，昨天的文章我们已经把数据，特征工程都准备好了。 开始准备交易环境，我们的候选集是上证50成份股，投资基准是上证50指数。 from typing imp…
-
年化15.7%，深度强化学习在道琼斯指数30成份股上构建投资组合（附数据与代码下载）
今天的代码在如下位置： 代码与数据，请前往星球下载: 我的开源项目及知识星球 从finRL里的环境里借一个env出来看看，代码比我们实现的投资组合管理的要复杂，其实它这个env是带…
-
gplearn之因子挖掘，与我们的数据集整合（代码）
最近开始一个系列，关于“因子挖掘”。 前面的文章里继续调优强化学习的环境，我们简单总结了一下这段时间的一些进展： 到目前，我们的框架已经实现了几个小目标： 1、支持csv/hdf5…
-
gplearn筛选高ic值因子，单因子回测（代码下载）
昨天的文章gplearn之因子挖掘，与我们的数据集整合（代码），我们通过gplearn挖出了一堆因子，但好不好，需要通过fitness适应度来筛选。 在昨天代码的基础上，我们新增m…
-
年化收益 21%：lightGBM的WFA滚动训练，使用qlib的alpha158因子集
开始之前，先说说感受。 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，…
-
AI量化平台wxpython整合quantstats，那个年化超过10%的策略们
接着搞AI量化平台的GUI，今天两个任务：一是整合quantstats，二是独立弹窗可以编辑策略的toml文件。 QuantStats之间无故报错，查出来是matplotlib的版…
-
行业指数轮动：一个可实盘策略的“魔改”历程，十年年化15%（策略+代码+数据下载）
做知识星球的初心：以实战、盈利为导向，开发可持续的策略和平台。 市场覆盖：ETF、可转债、股票、期货和数字货币。 项目100%对星友开源，持续维护和升级。 昨天使用toml配置工程…
-
因子表达式优化，新增avg/rank函数
对于机器模型而言，针对特定的市场，到更多维的数据，设计合适的因子特征工程。今天我把bigquant里预设的几个因子，搁到我们的模型里试试。 features = [ ‘return…
-
使用toml配置工程，模块化开发策略的门槛更低
尽期少有的加班，见过凌晨四点的北京。 昨天使用toml配置工程，模块化开发策略的门槛更低，我们引入了toml，对“积木式”策略开发，进一步简化为简单配置文件，为后续使用可视化向导配…
