七天入門量化投資

善其事，必先利其器。

策略開發(fā)是量化的核心工作，而策略需要運行在回測平臺上。

框架的選擇就非常重要。

選擇的標準取決于你的目標：

回測重在效率，說白了，能夠快速驗證你的交易思路；實盤更在意性能、穩(wěn)定性。

我在推薦回測、實盤分開的。

實盤要考慮的細節(jié)非常多，而這些在策略開發(fā)過程用不上，不必因此過早浪費時間。

框架選擇

線上的回測平臺，好處是不必管數(shù)據(jù)，缺點是運行效率不高，而且策略沒有私密性。

開源的回測框架有：backtrader, qlib, bt, pyalgotrade, pybrokder, backtesing.py,rqalpha, vnpy, wonder trader等。

如何選擇呢？

vnpy和wonder trader偏實盤，尤其是期貨，因此，在CTA對接實盤是建議考慮。

qlib是機器學習驅動的，傳統(tǒng)規(guī)則策略不支持，我們還是希望一并兼容的模式。

就傳統(tǒng)開源框架而言，backtrader是相對最成熟的，但我為何不建議新手上來就學，或者說之后也未必一定要學。

原因如下：

• backtrader起步有一定的學習曲線的，擔心大家學完框架直接就入門到放棄了。

• 要加載多支股票的時候，性能不好。像多因子策略，全市場選股，bakctrader運行起來就比較費勁，backtrader更適合少數(shù)幾個標的，像CTA這樣傳統(tǒng)策略回測和實盤。

• 策略代碼細節(jié)多，需要自行判斷當前持倉，計算倉位等交易邏輯細節(jié)?！袝r候，回測結果不好，對于新手來說甚至不太好判斷是策略有bug呢還是策略就不行。

我推薦這個新手友好的"低代碼"，”搭積木“式的快速策略開發(fā)框架——bt。

注意，就叫bt，不是backtrader，這個要搞清楚。

一個策略的開發(fā)（單標的CTA擇時策略除外），包含幾個典型的步驟：

1. 調(diào)倉周期

2. 選股

3. 排序

倉位分配

把策略拆分成相應的模塊之后，每個模塊的邏輯相對單一，這樣很容易實現(xiàn)“算子化”，然后進行積木式的策略構建，進而使用低代碼的方式來調(diào)用。

同時，就不需要自己寫指標代碼，而是使用內(nèi)置的因子表達式。

更進一步，可以使用遺傳算法等機器學習的方式來挖掘有效的因子。