量化
-
反脆弱看投资体系构建：从ETF动量策略到CTA
昨天重读塔勒布的《反脆弱》，如何应对高度不确定的环境，建立反脆弱的体系呢？ 1、避免极端的负面黑天鹅。 对于个人，就是关乎生命安全，自由，重大财产损失的可能，要远离。 对于公司，…
-
一个交易体系，不应该只有信号或者说追求胜率，赔率同样重要
咱们星球的ETF动量策略，看起来年化32%还不错对不对？ 但你有没有仔细想过，敢不敢all in？ 我的逻辑是，不太敢。 资本市场的风险和魅力同源，就是它的不确定性。 回测是对历史…
-
gplearn在期货和多支股票上因子挖掘实战的代码（代码+数据下载）
回顾一下AI量化的心路历程： 1、低风险阶段。 从场外基金开始，一开始是纯债，然后接触到固收+，到股债平衡。 做过一段时间优质主动型基金的评测和跟踪。 当时的目标是“智能投顾”。 …
-
系统源代码发布v2.4供下载，带年化32.1%策略，简化GUI逻辑
1、低风险阶段：长期10%的年化。这套体系已经基本固化下来，基本不用操心。 2、ETF做趋势交易是长期有效的。我们开发了一系列策略，其中这个是我比较满意的。 系统源代码发布v2.4…
-
端到端因子挖掘框架：DeepAlphaGen：因子生成的强化学习Env Wrapper包装器实现细节
DeepAlphaGen系列： 端到端因子挖掘框架：DeepAlphaGen：因子生成的强化学习Env Wrapper包装器实现细节 端到端因子挖掘框架：DeepAlphaGen：…
-
端到端因子挖掘框架：DeepAlphaGen：已经可以挖掘因子
今天的代码是独立的工程，与quantlab暂时未整合，下一步会考虑。 由于qlib最高仅支持python3.8，所以环境上与quantlab的3.9有区别。 另外，本次需要pyto…
-
端到端因子挖掘框架：DeepAlphaGen V1.0代码发布，支持最新版本qlib
今天的代码是独立的工程，与quantlab暂时未整合，下一步会考虑。 由于qlib最高仅支持python3.8，所以环境上与quantlab的3.9有区别。 另外，本次需要pyto…
-
系统源代码发布v2.4供下载，带年化32.1%策略，简化GUI逻辑
本周gplearn在期货和多支股票上因子挖掘实战的代码已经发布至星球： 昨天在星球收集开源框架，有星友建议的freqquant，加起来，下周工作重点是拆解wondertrader,…
-
Quantlab3.0进展，结合Quant4.0的思考：全自动，可解释AI量化是未来
昨天的文章，简单回顾了咱们“AI量化实验室”一路走来，成长的三个阶段。 quantlab3.0开启：回测+实盘+数据+AI智能的一体化交易平台 1、低风险阶段：长期10%的年化。这…
-
代码发布：quantlabv5.3，可转债所有数据及双低、动量因子策略，单因子分析框架
本周主要是系列文章：可转债的多因子模型单因子的分析。 包含： 1、可转债历史以来所有日线数据（已经规范化处理） 2、双低因子、动量因子 3、上述因子的单因子分析框架。 代码和数据…
-
ctpbee：一键启动的超快乐交易实盘框架
从qlib的因子表达式端到端因子挖掘框架：DeepAlphaGen V1.0代码发布，支持最新版本qlib， 到bt的算子Algo使用toml配置工程，模块化开发策略的门槛更低， …
-
兼容回测+实盘的AI量化框架的几个核心问题
咱们“AI量化实验室”一路走来，成长的三个阶段。 quantlab3.0开启：回测+实盘+数据+AI智能的一体化交易平台 1、低风险阶段：长期10%的年化。这套体系已经基本固化下来…
