原創(chuàng)文章第290篇，專注“個人成長與財富自由、世界運作的邏輯與投資"。

文章更新暫停了幾天，但思考沒有停下。

星球這幾天還是持續(xù)加入同學(xué)，我們是把AI量化當(dāng)成事業(yè)來做的，要停下來思考一下，下一步怎么走，如何給星友們提供最大化的價值。

AI量化投資的目的是什么？ ——量化是手段，AI也是手段，讓我們可以更科學(xué)，更安全，更輕松地獲得投資收益。

一是風(fēng)控，二是收益，安全性永遠是投資世界里第一位的。

投資無外乎買什么，何時買，買多少，何時賣，賣多少的問題，再精簡就是——“低買高賣”，但如何做好，非常不容易。

擇時之難，預(yù)測市場是不可能的事情。

那么，輪動其實是一個更優(yōu)的邏輯，多因子排序輪動，與市場共舞。

量化系統(tǒng)要收集盡可能多的數(shù)據(jù)，有效數(shù)據(jù)，另類數(shù)據(jù)，從數(shù)據(jù)中提取出因子。然后測試因子的性能，把因子組合起來，對股票進行排序，定期重復(fù)上述過程，這就是一個典型的系統(tǒng)做的事情。我們可以通過監(jiān)控全市場數(shù)據(jù)，這是量化的優(yōu)勢，我們可以借用前沿人工智能的非線性“統(tǒng)計”能力得出綜合排名。

一、數(shù)據(jù)及其預(yù)處理：是全A股市場的量價數(shù)據(jù)、財務(wù)數(shù)據(jù)，資金面數(shù)據(jù)等。每日收盤后更新，后端數(shù)據(jù)庫是mongodb，夠簡單，然后“聚合到”hdf5庫中。做好基本面這樣的季度數(shù)據(jù)換成日頻數(shù)據(jù)等，數(shù)據(jù)清洗，預(yù)處理。

二、數(shù)據(jù)挖掘，比如“每日選股”。就是通過一些條件給合，去看歷史上這樣股票及其表現(xiàn)，獲得直觀感覺。

——這一步有“工程上”的難度，因子是需要現(xiàn)計算（無法都進行預(yù)計算，因為子邏輯上講無窮多）的，比如一些rank，需要全市場，比如3000支股票的歷史數(shù)據(jù)都加載上來，然后計算相應(yīng)的指標(biāo)，而后對期進行排序。qlib為此做了自己的“數(shù)據(jù)存儲”格式，就是希望加速這個過程，但個人感覺太重了，不方便更新。

另外預(yù)計算完成之后，要進行緩存，但這個緩存何時進行更新，這個qlib也做了不少努力。比如aplha158, alpha360，這里計算量都非常大。在gui界面里，很難做到即時響應(yīng)的。

有一部分工作會放在服務(wù)器完成，涉及定時任務(wù)，機器學(xué)習(xí)調(diào)度等。大計算量的，預(yù)處理的，需要定時計算的等等。需要更多人工干預(yù)的，輸入的，隱私的，擱到pc端。

三、因子分析，多空分析等

這一步是比較確定的，IC/IR，分組分析等。不過這里的計算量不大，因為是單個因子的計算。

四、上述組合起來（規(guī)則或AI量化模型），就可以做量化回測。

自動化的機器學(xué)習(xí)技術(shù)棧，從數(shù)據(jù)更新到特征工程到模型訓(xùn)練，參數(shù)保存等等，這一塊可以關(guān)注一下。

年化29.3%，大類資產(chǎn)ETF動量輪動，添加商品與貨幣ETF，實盤跟進中（代碼+數(shù)據(jù)下載）

年化41.4%的指數(shù)多因子輪動與年化26.5%大類資產(chǎn)動量輪動，準(zhǔn)備實盤跟蹤。（代碼下載）