【原】年化16.6%，全球大类资产使用lightGBM预测轮动——数据缓存提升效率

原创文章第568篇，专注“AI量化投资、世界运行的规律、个人成长与财富自由"。

Dataloader缓存

加载160个因子，10几支大类资产，这个计算还是需要一点时间，尤其在我们频繁运行的时候，需要等待，这里我们实现了load_alpha， 从因子集里加载，同时加上的缓存机制，连同运算好的因子值，我们会缓存到hdf5里，下一次直接加载到Dataframe里即可。

def load_alpha(self, alpha: AlphaBase, cache=True):
    if cache:
        if os.path.exists(config.DATA_DIR.joinpath('cache').joinpath('cache.h5').resolve()):
            with pd.HDFStore(config.DATA_DIR.joinpath('cache').joinpath('cache.h5').resolve()) as s:
                if '/factors' in s.keys():
                    df = s['factors']
                    return df
        else:
            print('选择cache，但cache文件不存在')

    fields, names = alpha.get_all_features_names()
    df = self.load(fields, names)
    if cache:
        print('定入cache...')
        print(df)
        with pd.HDFStore(config.DATA_DIR.joinpath('cache').joinpath('cache.h5').resolve()) as s:
            s['factors'] = df
    return df

包含回测也可以直接加载数据了：

投资认知体系

 昨天有一个星球的小伙伴问我，有没有财富自由。

我反问——“你认为自由的标准是什么？”

他说——1000个吧。

我估计应该是在北上这样的一线城市，这个数字比较有代表性。

我的回答是，星球里应该有很多人都有吧。

——毕竟 ，北京有房的人，差不多都有这个数。

其实，也许他说的本意是自由可长期投资现金流。

之前我说过一个财富自由的入门标准——500，10%。让账户自动运转：构建一个稳健的长期年化10%（回撤小于6%）的大类资产组合

这里还有一重逻辑，就是这500或1000，是通过投资，还是储蓄，还是通过创业或者其他方式获得的。

投资是这样，本金越大，需要的收益率要求越低，风险越低。

投资当然有意义，但——我向来不建议，你本金很小的时候，希望以小博大。

另外还有人给我留言说，星球既然收费，能不能保证赚钱，被我劝退了。

不是说我们策略也好，系统也罢，当然能赚钱。

但投资是一个无限游戏。有时候会回撤，需要耐心等待。

这就是投资认知体系的一部分。

吾日三省吾身

时间真是公平的，无论你是谁，贫穷或富有，都是24小时每天。

但时间又不是公平的，有人善于利用，创造巨大的财富和价值；而有人就需要通过消遣来打发时间。

等待，无论如何都是一件难受的事情。

拿破仑攻城略地，他最讨厌的事情，恐怕也是等待。

等待着实很消耗心力。

当然，可以通过阅读，写作，做有价值的事情，来把它有意义地填满。

历史文章：

长期年化18.82%：lightGBM全球资产多因子配置策略【研报复现】

【代码发布】Quantlab4.3：lightGBM应用于全球大类资产的多因子智能策略（代码+数据）

AI量化实验室——2024量化投资的星辰大海