|
为原创文章第264篇，专注“个人成长与财富自由、世界运作的逻辑与投资"。 行业轮动为何有效？
行业之间的驱动因子不同，有负相关性，此起彼伏。因此，择其动量大者持有，可获长期收益。 相对规则量化，为何机器学习要生效很难？
机器学习通过因子特征做统计预计，数据之性噪比低，预测成功的概率不大。规则操作可以人工干预，看似简单粗暴，有时候更加有效。
等权买入持有加动态再平衡是基准。 动量（有时候多指标的加权整合，未必比机器学习模型差）头部轮动，动量为正信号头部轮动，大盘RSRS择时。 工程改进 尽管我们的“积木式”策略模板已经非常简洁，但仍然需要写几行代码。策略一多，有时候修改起来，尤其对于刚入门的同学比较复杂。 我再加一层，写配置文件的形式，把配置文件直接解析成策略。这样就可以通过gui直接生成和修改策略。 与qlib不同，我们使用toml这种config文件格式。
python上pip install toml即可。 代码在如下位置，请前往星球更新代码。知识星球与开源项目：万物之中，希望至美 
name = '行业指数轮动_买入持有_周平衡'
[data]
start_date = '20100101'
end_date = ''
symbols = '29个行业指数'
fields = []
names = []
[[algos]]
name = 'RunWeekly'# 运行周期与再平衡
args = []
[[algos]] # 选股
name = 'SelectAll'
args = []
[[algos]]
name = 'WeightEqually'
工程解析的代码：
from engine.config import DATA_PRJ, DATA_SYMBOLS, DATA_INDEX
import os
import toml
from loguru import logger
from engine.env import Env
from engine.datafeed.dataloader import Hdf5Dataloader, CSVDataloader
import importlib
def parse_algo(algo_config: dict):
module = importlib.import_module('engine.algo')
algo = getattr(module, algo_config['name'])()
return algo
def parse_data(data_config: dict):
symbols = data_config['symbols']
start_date = data_config['start_date']
end_date = data_config['end_date']
fields = data_config['fields']
names = data_config['names']
loader = CSVDataloader(path=DATA_INDEX,symbols=symbols, start_date=start_date, end_date=end_date)
df = loader.load(fields=fields, names=names)
return df
def Toml2Env(config: dict):
if 'algos' not in config.keys() or 'data' not in config.keys():
logger.error('algos 或者 data 不存在于配置文件')
return
df = parse_data(config['data'])
print(df)
e = Env(df)
algos_list = config['algos']
algos = []
for algo_config in algos_list:
algo = parse_algo(algo_config)
algos.append(algo)
e.set_algos(algos)
return e
class ConfigLoader:
def __init__(self):
self.symbols_dict = {}
self.proj_dict = {}
self._load_symbols_list()
self._load_projects()
def _load_symbols_list(self):
toml_files = os.listdir(DATA_SYMBOLS.resolve())
for f in toml_files:
config = toml.load(DATA_SYMBOLS.joinpath(f))
if 'name' not in config.keys() or 'symbols' not in config.keys():
logger.error('{}文件格式不对，请检查！'.format(DATA_SYMBOLS.joinpath(f)))
return
name = config['name']
symbols = config['symbols']
self.symbols_dict[name] = symbols
def _load_projects(self):
toml_files = os.listdir(DATA_PRJ.resolve())
for f in toml_files:
config = toml.load(DATA_PRJ.joinpath(f))
if 'name' not in config.keys() or 'data' not in config.keys() or 'symbols' not in config['data'].keys():
logger.error('{}文件格式不对，请检查！'.format(DATA_PRJ.joinpath(f)))
return
symbols_name = config['data']['symbols']
config['data']['symbols'] = self.symbols_dict[symbols_name]
self.proj_dict[config['name']] = config
if __name__ == '__main__':
loader = ConfigLoader()
print(loader.symbols_dict)
print(loader.proj_dict)
# name = '行业指数轮动_买入持有_周平衡'
name = '行业指数轮动_20日动量top5_周平衡'
e = Toml2Env(loader.proj_dict[name])
print(e)
e.backtest_loop()
e.show_results()
昨天再听2023版本的富爸爸、穷爸爸，梳理一下。
核心概括起来就是一句话：不要为钱工作，要让钱为你工作。
前半句讲成长，在李笑来的财富自由之路里，就是“成长是刚需”。尤其是年轻的时候，不能盯着这里高3K还是怎么，而是你想拥有什么技能，能够学到什么东西。所以，年轻时候去大厂是有好处的，尤其是当年高成长的BAT、TMD这样的头部公司。对外是“创造价值”，——这是百万富翁快车道里提及的概念。 这一点很多人没真的想明白，年轻的时候工作就是工作，做一天和尚撞一天钟的心态，其实真正浪费的是自己时间与成长机会。 后半句更好理解，让钱为你工作，核心就是积累资产，所谓资产是可以带来现金流入的东西，增值或者产生再多流。房子、证券、知识产权。其实多数人也就这三样。房子不必说的，但门槛高流动性一般，证券的门槛是本金与投资技能，知识产权与前半句可以结合起来，就是你越成长，你越可能打造属于自己的产权的作品，坐拥被动现金流。
代码请前往星球下载。
知识星球与开源项目：万物之中，希望至美
|
