【原】附一个年化13%的策略下载 | 如何做一个“陪伴型”，成长的，真正有价值的量化投资社群？

AI量化实验室 2025-05-09 发布于北京

展开全文

原创内容第881篇，专注智能量化投资、个人成长与财富自由。

最近一直在思考咱们AI量化实验室的定位，回顾初心。

缘起是我自己一直在做量化投资，人工智能相关。

从债券，可转债，到ETF到股票，期货等，持续学习，使用传统技术，基本面，量化的，还有机器学习驱动的。市面上几乎所有开源的，大大小小的框架，我都拆解过，用过，像qlib, vnpy, pybroker, backtrader, bt, wonder trader等等。

有一些心得，想与大家分享。

然后就做了公众号，知识星球分享代码，然后建了网站和论坛，群等。

做了快四年，积累的内容越来越多，新同学进来后可能有些吃力，尤其有部分没有太多编程基础的同学。

如何最大化给大家提供价值，如何做一个“陪伴型”，成长的，真正有价值的社群？

几个点：

一是信息结构化梳理，比如散在贴子里的，群里的，很多话题的类似的，要做好结构化，方便阅读和检索。论坛作为星球的补充，可能可以做好这一部分内容的沉淀。

二、全新的引擎，从数据处理，因子计算，因子分析，没有封装，纯代码给大家，方便学习。

import syssys.path.append('../')from lab import AlphaLabsymbols = ['510300.SH','159915.SZ']lab = AlphaLab(lab_path='./run', data_path='D:\work\.aitrader_data\quotes_etf')df = lab.load_bar_df(symbols=symbols, start='20100101', end='20250506',extended_days=10)
names = ['order_by']fields = ['roc(close,21)']df = lab.calc_exprs(df, names, fields)df

import btfrom bt.algos import *from bt_algos_extend import SelectTopKs1 = bt.Strategy('s1', [bt.algos.RunDaily(),                           SelectAll(),                           SelectTopK(signal=order_by),                           bt.algos.WeighEqually(),                           bt.algos.Rebalance()])
s2 = bt.Strategy('benchmark', [bt.algos.RunOnce(),                        bt.algos.SelectAll(),                        bt.algos.WeighEqually(),                        bt.algos.Rebalance()])
bkts = [bt.Backtest(s1, close),bt.Backtest(s2,close)]res = bt.run(*bkts)