重构后的deap因子挖掘，多股票截面因子轮动，直接优化年化收益率。（附python代码）
原创内容第773篇，专注量化投资、个人成长与财富自由。
上周我们通过“策略组合”完成风险平价系列的策略，年化接近20%，回撤控制在8%以内。
aitrader_v3.2代码发布：含波动率组合策略，年化19.3%（python代码+数据）
本周星球的核心工作给大家汇报一下：
1、deap遗传算法因子挖掘在多资产轮动策略里的应用代码。
2、flask+mongo重构后端。
3、ionic+react开发app：策略列表，策略详情，创建组合策略功能。
如果有时间，看一下网格策略。
重构后的deap因子挖掘：
直接回测得到收益率：
代码本周五统一提交：AI量化实验室——2024量化投资的星辰大海
from deap import base, creator, gp
import numpy as np
from alpha.deap_patch import * # noqa
# 创建一个新类 FitnessMax，参数weights:(1.0,)，就是最大化
from alpha import *
creator.create("FitnessMax", base.Fitness, weights=(1.0,))
# creator.create("Individual", gp.PrimitiveTree, fitness=creator.FitnessMax)
from deap import base, creator, tools
creator.create("Individual", gp.PrimitiveTree, fitness=creator.FitnessMax)
toolbox = base.Toolbox()
from alpha.init_pset import get_pset
pset = get_pset()
toolbox.register("expr", gp.genHalfAndHalf, pset=pset, min_=1, max_=5)
toolbox.register("individual", tools.initIterate, creator.Individual, toolbox.expr)
# print(toolbox.individual())
toolbox.register("population", tools.initRepeat, list, toolbox.individual)
toolbox.register("evaluate", print) # 、，在map中一并做了
toolbox.register("select", tools.selTournament, tournsize=3) # 目标优化
# toolbox.register("select", tools.selNSGA2) # 多目标优化 FITNESS_WEIGHTS = (1.0, 1.0)
toolbox.register("mate", gp.cxOnePoint)
toolbox.register("expr_mut", gp.genFull, min_=0, max_=2)
toolbox.register("mutate", gp.mutUniform, expr=toolbox.expr_mut, pset=pset)
toolbox.register('map', backtester)
import operator
toolbox.decorate("mate", gp.staticLimit(key=operator.attrgetter("height"), max_value=17))
toolbox.decorate("mutate", gp.staticLimit(key=operator.attrgetter("height"), max_value=17))
pop = toolbox.population(10)
for p in pop:
print(stringify_for_sympy(p))
hof = tools.HallOfFame(10)
# 只统计一个指标更清晰
stats = tools.Statistics(lambda ind: ind.fitness.values)
# 打补丁后，名人堂可以用nan了，如果全nan会报警
stats.register("avg", np.nanmean, axis=0)
stats.register("std", np.nanstd, axis=0)
stats.register("min", np.nanmin, axis=0)
stats.register("max", np.nanmax, axis=0)
# 使用修改版的eaMuPlusLambda
population, logbook = eaMuPlusLambda(pop, toolbox,
# 选多少个做为下一代，每次生成多少新个体
mu=150, lambda_=100,
# 交叉率、变异率，代数
cxpb=0.5, mutpb=0.1, ngen=2,
# 名人堂参数
# alpha=0.05, beta=10, gamma=0.25, rho=0.9,
stats=stats, halloffame=hof, verbose=True,
# 早停
early_stopping_rounds=5)
print('=' * 60)
print(logbook)
后端选型：flask + flask-admin + mongo
由于我们使用了前后端分离的设计，那么django的优势就没有特别多了。首选是django-allauth这一套用户登录、注册，前后端分享用不上了，django-admin和ORM只支持sql，发挥不了no sql的优势。
因此，从这个角度，更轻量和灵活的flask及flask-admin就被启用。
mongo不需要预定义schema，很适合金融量化场景。
对一个已经存在的mongo表进行CURD的管理——不需要表结构，也不需要migrations维护字段。
当然如果想使用ORM，mongo的解决方案是mongoengine(ODM)。
# 定义自定义 ModelView
from flask_admin.contrib.pymongo import ModelView
from flask_admin.contrib.pymongo.filters import BooleanEqualFilter
from flask_admin.model import typefmt
from wtforms import form, fields, validators
# 自定义 ModelView
class ETFModelView(ModelView):
column_list = ("_id", "name", "symbol","list_date") # 定义要显示的字段
column_sortable_list = ("name",) # 定义可排序的字段
column_filters = (BooleanEqualFilter(column="active", name="Active"),) # 定义过滤器
can_create = True
can_edit = True
can_delete = True
# 定义表单字段
class Form(form.Form):
name = fields.StringField("Name", [validators.DataRequired()])
email = fields.StringField("Email", [validators.DataRequired()])
active = fields.BooleanField("Active")
# 实现 scaffold_form 方法
def scaffold_form(self):
return self.Form
# 实现 scaffold_list_columns 方法
def scaffold_list_columns(self):
return self.column_list
# 实现 scaffold_sortable_columns 方法
def scaffold_sortable_columns(self):
return {"name": "name"}
def init_app(admin, db):
admin.add_view(ETFModelView(db.basic_etf, name="ETF列表"))
吾日三省吾身
一夜多梦。
回顾毕业这20年，想想，如果回到大学时代，回到大学毕业那个路口，遇到年轻时候的自己，你会尝试对那时的自己说什么呢？
做什么样的改变？积累和认知呢？
（不能带未来函数，尤其是金融属性，比如买彩票，股票，房子之类的）。
如果说读书，其实大学时代开始就有逛书店的习惯，计算机，人工智能，经管，金融都读。
甭管功利性阅读还是非功利性阅读，其实有在读书。
但当时确实没有建立被动收入，财富自由的概念。只是隐约觉得，如果能够有一个自己的小平台，可以有持续收入，那么就是自由的状态。也确实一直在为之努力。
——只有你本金到一定量级的时候，你才对钱和投资有了概念，才知道年化10%已经很厉害且非常有价值了。（七年翻一番，20年8倍，如果你本金是200万起步，20年后至少是1600万）
关于写作或者广义的内容创作，倒是一个点。但早年的web2.0时代，写过互联网日志，没有坚持下来，因为没有特别的反馈。
开发过不少软件，没有产品化，很少商业化。
其实都是一个积累，量变到质变的过程。
现在互联网的基础设施，用户支付习惯都已形成。
超级个体和一人企业才逐步成为可能。
代码与数据下载地址：AI量化实验室——2024量化投资的星辰大海
AI量化实验室 星球，已经运行三年多，1300+会员。
aitrader代码，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，支持vnpy，qlib，backtrader和bt引擎，名内置多个年化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）
10年17倍：使用卡曼滤波过滤器优化动量和斜率策略（python代码策略下载）
年化16%，最大回撤7.5%，卡玛比率超过2的实盘策略（附python代）
aitrader_v3.2代码发布：含波动率组合策略，年化19.3%（python代码+数据）
原文地址：https://blog.csdn.net/weixin_38175458/article/details/145259068
免责声明：本站文章内容转载自网络资源，如侵犯了原著者的合法权益，可联系本站删除。更多内容请关注自学内容网（zxcms.com）！