deap系统重构,再新增一个新的因子,年化39.1%,卡玛提升至2.76(附python代码)

原创内容第776篇,专注量化投资、个人成长与财富自由。

本周核心工作之一,deap因子挖掘:

Deap牛刀小试,挖掘出长期年化29.2%的轮动因子

deap时间序列函数补充,挖掘出年化39.12%的轮动因子,卡玛比率2.52

今天继续完善一下系统,准备明天交付给大家全部代码

挖掘出一个新的因子:

复制代码
ts_pct_change(ts_maxmin(close, 60), 5)

星球里有同学问,挖掘出来的因子解释性如何。

因子的可解释性是由你提供的元函数算子决定的。

这个因子 **ts_pct_change(ts_maxmin(close, 60), 5)**是一个基于时间序列的股票因子,通常用于量化投资或技术分析中。

以下是对这个因子的逐步解释:

1. ts_maxmin(close, 60)

  • ts_maxmin:这是一个时间序列函数,通常用于计算过去一段时间内的最大值或最小值。在这里,ts_maxmin(close, 60) 的含义是计算过去60个交易日内的收盘价的最大值或最小值。

  • 作用:通过取过去60天的极值(最大值或最小值),可以捕捉到股票价格在这段时间内的极端波动情况,从而为后续的分析提供基础数据。

  • 作用:基于 ts_maxmin(close, 60) 的结果,计算其在过去5个交易日内的变化率。这个变化率可以帮助投资者了解股票价格在极端值附近的变化趋势,例如是否从极值点开始反弹或继续下跌。

3. 整体作用

  • 因子含义:ts_pct_change(ts_maxmin(close, 60), 5) 的整体作用是计算过去60天内股票收盘价的极值(最大值或最小值)在过去5天内的百分比变化。

  • 应用场景:这种因子通常用于技术分析,帮助投资者识别股票价格的极端波动点以及随后的价格走势。例如,如果股票价格在60天内达到极值后,接下来5天内出现显著变化,可能预示着市场情绪的转变或趋势的反转。

复制代码
@calc_by_symbol
def ts_maxmin(X, d):
    return (X - ts_min(X, d)) / (ts_max(X, d) - ts_min(X, d))

吾日三省吾身

南方小年,年越来越近了。

很多商铺都休假了。

春节是一种仪式感。

大家都说,辛苦一年了,好好休息几天。

放下焦虑、烦恼与亲人团聚。

现在通讯方便了,电话、微信都可以随时联系;交通方便了,飞机、高铁当天可达。

不像以前,回一次家,感觉跨越千山万水。

奔赴是中国人的情结。

无论家乡多远,无论老家多旧。

父母在,家就在。

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 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)

Deap牛刀小试,挖掘出长期年化29.2%的轮动因子

deap时间序列函数补充,挖掘出年化39.12%的轮动因子,卡玛比率2.52

相关推荐
米小虾14 分钟前
让模型说"我不知道",比让它答对更难:放弃文本生成能换来什么
人工智能
新新学长搞科研19 分钟前
【SPIE出版】2026年人工智能、新材料与新能源国际学术会议(AINMNE 2026)
人工智能·新能源·新材料
野生技术架构师22 分钟前
2026 Java 面试全套总结,八股 + 场景 + AI 相关面试考点
java·人工智能·面试
QYRdata34 分钟前
隐私合规技术迎来拐点:数据主体请求自动化年复合增长率14.0%(2026-2032)
大数据·服务发现
米小虾1 小时前
不写出来的思考:把 Transformer 的层循环起来,是第三条 scaling 轴还是省错了地方?
人工智能
A.说学逗唱的Coke1 小时前
【大模型专题】别再用 HTTP 直连 Agent 了:用 Kafka 承载 A2A 协议,从 PoC 走到生产
人工智能·kafka·a2a
资讯综合1 小时前
2026企业AI平台选型指南:多维视角下的主流方案解析
人工智能
资讯综合1 小时前
向日葵 vs ToDesk 个人远控横评:PC/手机/弱网/远程开机实测(26年9月更新)
人工智能
布吉岛的石头1 小时前
Java 程序员第 48 阶段15:Transformer 架构总览与自注意力直觉,注意力权重可视化:用 Java 打印注意力矩阵理解模型在看什么
人工智能·深度学习·transformer
正经教主2 小时前
【FDE系列】阶段1Day 11:Prompt — 给模型立规矩
人工智能·fde