|
原创内容第652篇，专注量化投资、个人成长与财富自由。 量化的刚需是策略，策略的核心是因子。 ML4T（Machine Learning for Trading），把机器学习驱动交易做成标准的pipeline(流)的模式。 对于机器而言，多数参数是隐性的，也可以通过网格或遗传算法去优化超参数集合。 机器驱动的交易系统，比传统的信号驱动的系统，更容易标准化，ML4T主要就是因子集，使用什么样的因子集，其余都是可以标准化。 因子集的生成当然也可以自动化，人工可干预的模式，比如自动挖掘，自动筛选，人工给一些建议或者修改，自动合成，自动评价，前向滚动更新迭代等。——这是AI驱动的交易工作流的标准流程。 星球的下周计划： 1、《七天入门量化投资》专栏更新5和6两天的内容。 2、ailabx.com网站创建策略更新一版（不用streamlit）的版本。 3、新增至少两个策略或改进2个策略以上。 4、搭建ML4T标准化的机器学习驱动的交易流的框架。 上周的代码和策略已经提交： 年化收益61.9%，最大回撤-13.3%，卡玛比率达到4.6，ETF趋势策略优化 年化12.6%，最大回撤才2.6%的债券轮动策略，卡玛比4.79，稳稳的幸福 Quantlab 5.11含ETF策略年化52%以及卡玛比4.79的债券策略（全量ETF后复权数据下载） 代码下载：AI量化实验室 星球，已经运行三年多，1100+会员。quantlab代码交付至5.X版本，含几十个策略源代码，因子表达式引擎、遗传算法（Deap）因子挖掘引擎等，每周五迭代一次。 作者：AI量化实验室（专注量化投资、个人成长与财富自由） |
|
|
