原创文章第577篇,专注“AI量化投资、世界运行的规律、个人成长与财富自由"。
今天说说因子挖掘,我们之前交付的Deap遗传算法因子挖掘,大家可以前往温习一下:
源码发布Quantlab4.2,Deap因子挖掘|gplearn做不到的咱们也能做。(代码+数据)
Deap因子挖掘框架,具有灵活性和高自动化优势,但其对初始种群敏感、计算速度慢且容易陷入局部最优。
在量化金融领域,深度强化学习(深度学习+强化学习)同样可以被用来开发动态的交易策略,以应对市场环境的不断变化。虽然DRL的训练过程较为复杂,且必须面对市场的不确定性,但它的自适应能力和长期优化的潜力是其显著的优势。
强化学习的版本,我们之前也交付过代码:
DeepAlpha通用因子挖掘:支持GPlearn遗传算法和深度强化学习挖掘因子(代码+数据下载)
今天我们看一篇更加高效的“因子挖掘”论文——"Alpha2:使用深度强化学习发现逻辑公式化的超额收益因子"。
论文及其开源的代码已经上传:
这是官方给的代码,大家可以结合论文先看作者的思路,后续会结合我们自己的数据,考虑整合到Quantlab框架中。
核心要点:DRL指导的MCTS搜索能够在庞大的搜索空间中高效地发现高质量的alpha。——个人比较看到MCTS的检索技术。
这里引入了AlphaGo类似的技术,通过蒙特卡罗树来有效缩小检索空间。
星球今天目前999人,今天等待第1000位朋友!
感谢新老朋友的一如既往的信任与支持。
最近开始,还会把星球沉淀下来的模块,生成相应的专栏,可能会使用小报童的形式,大家这几周可以关注下。
吾日三省吾身
未雨绸缪,是必要的。
数年前,曾经就想过的老命题,终究还是绕不过去。
职场是一个复杂的存在,在商言商,本身没有什么问题。
爱迪生的研究所,在经济周期面前,仍然需要断臂求生,这就是商业法则——生存为第一要义。
活着,才能谈梦想。
这个时段,切记不要上杠杆。
积蓄力量,稳中求进。
“一人企业”——就是你可以离开职场,不依赖大的组织,依然可以创造收入的商业逻辑。
这可能是现在很多中年危机人的终极出路。
职场终究会越来越难,终归逃不过年岁增长,体力、精力下降。
所有之谈判,均是底牌与价值,而不是其他。
你有多大价值,你就有得选,越是市场下行期,越是如此。
前路漫漫,我们一起加油。
——如此不确定的当下与未来,AI量化技能,值得每个人拥有。
历史文章:
以交易为生,定一个小目标|10倍法则:思考与行动
稳稳的长期年化10%,想以投资为生?先理解投资三大层次——大类资产配置背后的逻辑基础
Quantlab5.0:一切围绕可实盘策略驱动开发
【研报复现】年化27.1%,人工智能多因子大类资产配置策略之benchmark