分享

从大类资产轮动到AI量化择时策略,交易认知体系提升。

 AI量化实验室 2023-10-12 发布于北京

原创文章第338篇,专注“个人成长与财富自由、世界运作的逻辑与投资"。

2023 Q4 星球OKRs: 

目标:以择时策略为主,走通实盘基础闭环。 

关键结果1: 

1、10月中完成单标的择时策略模板可视化配置。 

2、补充止损,仓位管理,网格等基础算子。 

3、实现CTA连接模拟账号自动化实盘交易。

使用OKR来灵活管理星球的目标。

老朋友们都知道,这个目标会变化。随着认知的提升,未来也许还会变,变化不是什么坏事,但计划是必须的。我把它都沉淀在一个贴子里,还置顶了,不怕打脸。

9月的关键词是“策略”,可交付实盘的策略,当时聚焦的ETF里。今天要讨论一下这个主题。昨天星球小组例会其实有展开论述。

之前为何我很少关注择时策略,甚至说是刻意避开?

1、大类资产配置的优点是“分散”,天然对冲波动性。它可以有效控制回撤。一个投资组合看起来,曲线比较漂亮,缺点是收益率相对有限

2、轮动在资产配置与择时之间,它满足了“感觉”上覆盖的市场上多数的标点,对它们截面因子进行比较后“优中选优”。即有资产配置分散降低波动率的优点,又有主动择时提升alpha的能力。因此一度我的策略主要以轮动为主。

轮动的底层逻辑是标的池的相关性,正相关或者负相关。然而这个相关性随时间在变化的,策略如果实盘不及预期,问题不好定位,择时不够精细

再来说择时。择时约等于投机,“预测”市场,是三者中最难的。

但在量化技术上,却是最简单的。单标的,数据处理简单,加载,计算速度都快。时间序列的稳定性,肯定强过截面。比如白酒和新能源车,你非得说有什么关系,那就是都在A股里,螺纹钢和塑料有什么关系?而白酒自己本身时间序列有自己的基本面,技术的的特征。

择时并非不选股,也并非不分散。而是分层次的。选股在策略之外,分散也在策略之外。比如你选什么标的来做网格,你有波动率的考量,有你对标的熟悉度的考虑。而分散是通过“多策略组合”来实现。多种标的,多种周期,多种操盘思路的不同策略组合起来。

说白了,择时策略是交易体系里的一个部分,细化后可精细化的管理。

最后一点也很关键,就是择时最符合日常操作。无论是构建什么组合,落地时,都是一个个标的去交易,在交易账户里看到了,也是一个个具体标的盈利情况。组合只是我们脑子里的一个逻辑概念。

因此,Q4的重点会落在择时策略上。

昨天使用pyinstaller对软件进行的打包,后续可以直接把安装包发给大家。

在对比了pyinstaller和nuika之后,还是决定使用更容易使用的pyinstaller。

pip install pyinstaller即可,然后在主程序比如main.py上,使用 pyinstall main.py --noconsole,noconsole是为了不出现控制台界面,因为我们使用的是桌面gui。

首先打包比较慢,后面增量就很快了。

年化65%的ETF轮动策略,在gui框架下运行(代码+数据下载)

【优惠券】知识星球与开源项目:万物之中,希望至美

    转藏 分享 献花(0

    0条评论

    发表

    请遵守用户 评论公约

    类似文章 更多