当前位置: 首页 > web >正文

年化26.9%的稳健策略|polars重构因子计算引擎(python策略下载)

原创内容第862篇,专注智能量化投资、个人成长与财富自由。

更少但更好的理念,进行aitrader的开发。

数据层也进行了重整,dagster是一个不错的数据流框架,这个使用了比较多年了。结合akshare进行同步。

akshare有一个问题,如果在交易时间同步数据,也能读到当年的数据。这个问题有两个规避方法,一是判断盘后才更新当天的数据;二是发现数据日期冲突,则更新。

由于咱们的服务端运行在docker环境里,所以时区的问题非常重要,python3.6+以后,直接使用ZoneInfo获得咱们的时区即可:

from zoneinfo import ZoneInfo  # Python 3.9+    tz = ZoneInfo('Asia/Shanghai')    current_hour = datetime.now(tz).hour    logger.debug(f'current_hour:{current_hour}')    if current_hour > 18:        delta = 0    # end_date = datetime.now().strftime('%Y%m%d')    end_date = (datetime.now() - timedelta(days=delta)).strftime('%Y%m%d')    logger.debug(f'更新到最新日期:{end_date},delta:{delta}')

另外一个是pymongo的写法:

使用ReplaceOne来批量写入,而非InsertMany(遇到_id一样会报错)。

图片

因子引擎更换为polors进行因子计算:

图片

图片

吾日三省吾身

按现在的阅历,说是达到过往的“巅峰时刻”也不为过。

可是,慌什么呢?

似乎还越演越烈的感觉。

回家本身是很好的事情。

看看父母亲人,换个环境,换个心境。

离上一次回家,又一年半了。

回到职场,就是两点一线,然后周末带孩子。

还好有代码做伴,有好书可读。

真的财富自由,你会做什么呢?多陪陪父母,不要留下遗憾。

世上本无事,庸人自扰之,无视恐慌和焦虑,安之如怡。

思考代码和量化之外,还要做点啥内,喜欢且擅长,能把个人价值和社会价值结合起来。

拉成时间来看,这个更重要,你担心的99%都不会发生。而你掌控之外,甚至没有意识到的事情,若发生,你的积累,财富自由就非常关键。

若有一天,你不想,或者无力在参与劳动是,如何还能过着体面的生活。这就是财富的价值。

事缓则圆,指遇到事情时,放缓处理节奏,冷静应对,往往能找到更周全的解决办法,使结果更圆满。

避免冲动:急躁容易导致决策失误,冷静分析能减少风险。

争取时间:放缓节奏可收集更多信息,权衡利弊。

灵活应变:留出余地,便于调整策略,适应变化。

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,1600+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。

http://www.xdnf.cn/news/576.html

相关文章:

  • AI——神经网络以及TensorFlow使用
  • 《汽车理论》第四章作业MATLAB部分
  • 传统深度学习架构和Transformer结构的区别
  • 从0开始搭建一套工具函数库,发布npm,支持commonjs模块es模块和script引入使用
  • uniapp-商城-29-vuex 关于系统状态的管理
  • 嵌入式单片机开发问题:Undefined symbol _HAL_RCC_GPIOB_CLK_ENABLE
  • Matlab 基于模型参考自适应法和SVPWM的异步电机控制
  • Kubernetes(k8s)学习笔记(二)--k8s 集群安装
  • 机器学习(神经网络基础篇)——个人理解篇6(概念+代码)
  • 【实战中提升自己】内网安全部署之dot1x部署 本地与集成AD域的主流方式(附带MAC认证)
  • UE5的BumpOffset节点
  • C++选择排序原理及实现
  • Python带有else子句的循环语句
  • 动态内存管理
  • [dp20_完全背包] 介绍 | 零钱兑换
  • PSN港服跳过生日找回密码(需要英语对话,需要注册的id)
  • 超大文件处理——文件强制切割:突破存储传输限制,提升数据处理效能—星辰大文化术——未来之窗超算中心
  • 小样本学习和元学习
  • STM32学习笔记汇总
  • 图 - 最短路径算法 -- Dijkstra -- Bellman-Ford -- Floyd-Warshall
  • 每日OJ_牛客_最小差值_排序_C++_Java
  • 链表面试题
  • element-plus样式失效的原因总结
  • Linux 桌面环境 LXQt 2.2 发布
  • 放松大脑的方法
  • dev_set_drvdata、dev_get_drvdata使用详解
  • 加密与解密完全指南,使用Java实现
  • 图 - 最小生成树算法 - Kruskal - Prim
  • 基于有效样本数的类别平衡损失 (Class-Balanced Loss, CVPR 2019)
  • AOSP的Doze模式-LightIdle初识