【最后203篇系列】021 Q201再计划

忙了一周,终于到周末有时间再细细想这个问题了。这周还是不经意的弥补了kv硬盘存储库这个小空白的,这样也有助于构建更好的Q201。

计划是到6.1再发版,之所以留那么长时间,一方面是因为平时的确忙,另一方面则是可以有更长的时间轴去细细思考,慢就是快。现在越来越觉得,不是极限的加速某一件事情,而是保持一个合理的节奏,最后反而有出乎意料的好处。

前阵子,在衍生策略这块已经思考比较多了,挺有意思。

首先,还是在基准策略有效的前提下,去讨论衍生策略才有意义。在找基准策略的过程也是挺戏剧的,只能说,对的东西往往都出奇的简单。基准策略的盈亏比已经显著超过了2,这是一个很有意义的数字,而且这是在一个相对比较大的统计数字下得到的,很可靠。但是,基准策略的问题是不太稳定,而且有滞后性。基准策略是没法达到一个专业产品的要求的:可能出现较大幅度回撤(可能会到10%),并且有可能几个月连续亏损。

所以衍生策略是必须的,第一目的是为了将尖峰盈利能力转为较为平缓的盈利能力;第二目的是在稳定的基础上细化,优化稳定系统的盈利能力。

很自然的,可以把这样的框架类比为战略经营类游戏。国王、骑士、盗贼、刺客、轻骑兵、哨兵... , 我按照各种策略行为的特性抽象成一个游戏框架,并制定他们行动的规则以及游戏的奖励与惩罚。我觉得非常有趣,能够帮助我们有效的细化、区分各种不同的操作,从而避免过于直接的心理碰撞。(搞量化的最难过的是自己那关)

当然,如果仅仅是自己yy一套这样的游戏框架还不能起大作用。所以下一步我会想用强化学习的方法来抽象,然后构造一个虚拟的游戏环境,同时确保环境的时间、数据与真实世界同步。未来的变化,是交给算法去做的,我只是定了一个基础框架而已。

在这个过程中,我相信随着时间推进,我可以完善越来越多的细节,所以这部分就暂时不去做专门思考。

想法还是要落到实地,要工程化。

我想我并不是特别擅长搞理论,没多大兴趣;我还是更在意如何实现特定的效果,也就是工程化。

既然终点(量化目标)是已经明确的,那么起点在哪里呢?

我觉得可以是一个code。所以从这点开始谈工程化。

就是突然有一天,业务觉得某个code可能很不错,希望能上线使用。那么这意味着:

  • 1 开始拉取这个code的daily数据和minute数据
  • 2 对这个code的数据进行ETL
  • 3 对ETL的数据进行特征计算
  • 4 将特征按某种方法转为信号
  • 5 至少选择一种策略(默认是基准策略)
  • 6 至少进行一次回测(默认全周期回测)
  • 7 对回测结果进行评估,如果通过就可以上线;不然就要觉得是在哪个层级开始剔除这个code。
  • 8 如果上线,则要确保实时计算,通信的顺利
  • 9 上线运行了,还要周期性回顾各种指标

必须要有机制,才能确保至少能实现以上(基础)的自动上线过程。实际上,一个code的探索,应该有非常庞大的计算量,例如在任何时间开始回测,采取多种策略的pk。

怎么能既简单,又清晰的控制庞大的code系统?

  • 1 从数据上
  • 2 从运行机制上

数据上,最核心的改变是采用时间序列方式。最终特征、信号都会将按照时间序列完全统一起来,这样无论横向的尝试有多少,最终都将可以汇聚到一起。说起来,我周末的记得开始处理一部分新闻数据了,至少先提取处罚类的数据,这两天发现还是挺有预测性的。

从运行机制上,可能会更复杂一些。简单来说,是一横一纵。

假设一个code的处理开始触发了,那么代表深度的"纵"部分就如上面所示,可以想象成每个步骤都有一个消息队列。每个消息队列只是为了高效处理一个流程上的问题。而"横"的部分则是以code为抓手,顺着队列的变化去追踪每次变化。可以想象成mongo中若干个流程字段。

纵的部分是为了能够无差别处理大量的逻辑计算,横的部分是为了确保这些纵都是有意义的。

还有一个思路是图的思路,万物皆可图。

图的话,暂时定位为各逻辑流程的组织和构建吧。

然后,很多元信息可以汇聚到一个点。例如,还是这个code。我还是希望有一个点状数据打开,里面的元信息足够指引我去到任何相关的部分。所以昨天做的Rock挺有用的。虽然以前有redis,但是概念总是在内存中;也有mongo,但是mongo的功能是在太多的,也不太适合容纳点的概念。Rock就挺好的。

嗯,最后又想搞台服务器了。霄龙是在不适合放家里,还是锐龙好一些。然后盘算了一下,哈哈哈,成本不低呀

item price
cpu+主板 ~ ¥8000
ddr5 192G 8000HZ ~¥8000
2块pcie5 4T ~ ¥ 6000
2块pcie4 4T ~ ¥3000
一块入门级显卡(不想维持高级显卡,需要就租吧) ~¥4000
机箱风扇电源 ~¥4000
Totel ¥33,000

到年底看看,如果超额利润能满足就搞一台 😄

相关推荐
Python×CATIA工业智造41 分钟前
Frida RPC高级应用:动态模拟执行Android so文件实战指南
开发语言·python·pycharm
onceco1 小时前
领域LLM九讲——第5讲 为什么选择OpenManus而不是QwenAgent(附LLM免费api邀请码)
人工智能·python·深度学习·语言模型·自然语言处理·自动化
狐凄2 小时前
Python实例题:基于 Python 的简单聊天机器人
开发语言·python
悦悦子a啊3 小时前
Python之--基本知识
开发语言·前端·python
笑稀了的野生俊5 小时前
在服务器中下载 HuggingFace 模型:终极指南
linux·服务器·python·bash·gpu算力
Naiva5 小时前
【小技巧】Python+PyCharm IDE 配置解释器出错,环境配置不完整或不兼容。(小智AI、MCP、聚合数据、实时新闻查询、NBA赛事查询)
ide·python·pycharm
路来了5 小时前
Python小工具之PDF合并
开发语言·windows·python
蓝婷儿5 小时前
Python 机器学习核心入门与实战进阶 Day 3 - 决策树 & 随机森林模型实战
人工智能·python·机器学习
AntBlack6 小时前
拖了五个月 ,不当韭菜体验版算是正式发布了
前端·后端·python
.30-06Springfield6 小时前
决策树(Decision tree)算法详解(ID3、C4.5、CART)
人工智能·python·算法·决策树·机器学习