社区所有版块导航
Python
python开源   Django   Python   DjangoApp   pycharm  
DATA
docker   Elasticsearch  
aigc
aigc   chatgpt  
WEB开发
linux   MongoDB   Redis   DATABASE   NGINX   其他Web框架   web工具   zookeeper   tornado   NoSql   Bootstrap   js   peewee   Git   bottle   IE   MQ   Jquery  
机器学习
机器学习算法  
Python88.com
反馈   公告   社区推广  
产品
短视频  
印度
印度  
Py学习  »  机器学习算法

机器学习驱动的策略开发通过流程 | 普通人阶层跃迁的可能路径?

七年实现财富自由 • 1 月前 • 65 次点击  
原创内容第878篇,专注智能量化投资、个人成长与财富自由。
之前的系列,咱们主要集中的ETF的趋势轮动策略上,不同的因子,但逻辑类似,就是买入信号+已持仓-卖出信号,然后进行排序。
当然,这就是多因子策略的标准模板,只不过这里信号是主观设计的。
或者通过一些遗传算法的参数优化。
而机器学习驱动的策略设计呢,就是股票池,比如沪深300成份股,然后因子集,比如alpha158。
然后用机器学习模型来拟合这个因子,变成模型,而后进行回测。
后续一段时间,我们来做这个标准化的流程。
if __name__ == '__main__':    lab = AlphaLab(Path('D:\work\.aitrader_data\quotes_etf'))    df = lab.load_bar_df(symbols=['510300.SH','159915.SZ'], start='20100101', end='20250506',extended_days=10)    print(df)    dataset: AlphaDataset = Alpha158(        df,        train_period=("2010-01-01""2014-12-31"),        valid_period=("2015-01-01""2016-12-31"),        test_period=("2017-01-01""2020-8-31"),    )    # 添加数据预处理器    dataset.add_processor("learn", partial(process_drop_na, names=["label"]))    dataset.add_processor("learn", partial(process_cs_norm, names=["label"], method="zscore"))    # 准备特征和标签数据    dataset.prepare_data(filters=None, max_workers=3)
下一步就是因子分析,模型训练以及回测等。
代码及数据下载:AI量化实验室——2025量化投资的星辰大海
吾日三省吾身
普通人阶层跃迁的可能路径?——创业、投资?
看起来都挺不容易的。
之前我们建议的方式是“一人企业”。但一人企业,做得好,可以让你跃迁到A8。但要到A9,还是需要一个大的赛道,不错的运气。
人还是要有梦想,万一实现了呢?
创业这条路,一种人特别合适,就是风险承受力特别强,而且就喜欢挑战,喜欢张罗事,不甘于寂寞。多数人不具备这种才能。
技术能力强的人,可以做二把手。
相当于把你的技能通过杠杆放大。
那你的技术就需要有独特且厉害之处。
未来,这里最重要的技术我相信是与大模型、智能体相关。这一块的技术我们可以再深入,跟进前沿。
技术+产品化到商业化。——这个很适合技术牛人,极客。
而投资这条路,有人做到,江湖总有传说,但冷暖自知吧。
目前比较确信的是,本金比较大,追求年化10%这样的长期收益是比较容易的,但从A7做到A8,甚至期望从A8-A9,客观讲还没有想好。
另外一个是关于成就感,就是社会价值与个人价值的统一。
AGI是技术的前沿,而且有利于社会发展,这个突破当然是非常厉害。
能赚钱的事情不好,能赚钱而且受人尊重的人就少一些了。
这也是一个逻辑。
从长远看,值得投入,去挑战一下AGI前沿。
最不济,紧跟前沿做落地应用也是不错的。
代码和数据下载:AI量化实验室——2025量化投资的星辰大海

AI量化实验室 星球,已经运行三年多,1700+会员。

aitrader代码,因子表达式引擎、遗传算法(Deap)因子挖掘引等,支持vnpy,qlib,backtrader和bt引擎,内置多个年化30%+的策略,每周五迭代一次,代码和数据在星球全部开源。

扩展  •  历史文章   

EarnMore(赚得更多)基于RL的投资组合管理框架:一致的股票表示,可定制股票池管理。(附论文+代码)

年化收益200%+的策略集 | 实时板块资金热力图 「aitrader 5.0系统代码发布」

年化19.66%,回撤12%的稳健策略|manus的启发:基于大模型多智能体的智能投研系统(python代码+数据)

年化30.24%,最大回撤19%,综合动量多因子评分策略再升级(python代码+数据)

年化18%-39.3%的策略集 | backtrader通过xtquant连接qmt实战

stock-pandas,一个易用的talib的替代开源库。

Python社区是高质量的Python/Django开发社区
本文地址:http://www.python88.com/topic/181862
 
65 次点击