Alpla003经典的价量背离的因子在可转债列表里的因子分析（附python代码）

原创文章第605篇，专注“AI量化投资、世界运行的规律、个人成长与财富自由"。

遗传算法给出的因子五花八门，可解释性不高。

强化学习原理不同，但结果类似。

大模型之前咱们尝试过，Quantlab3.9代码：内置大模型LLM因子挖掘，全A股数据源以及自带GUI界面

大模型是通过LLM来生成因子，因子相对可解释，但可调优的空间未知。

我们使用：Alpha101的3号因子，做下回测：

(-1 * correlation(rank(open), rank(volume), 10))

这是一个经典的价量背离的因子：

不严格单调，但第5分位点收益很明显。我们也可以来回测试试：

IC值比较一般，不明显。

大家可以自行构建因子，然后评测看看效果。

代码都在examples下，按惯例明天早上统一更新代码：

大家感兴趣可以加入：AI量化实验室——2024量化投资的星辰大海

吾日三省吾身

  01

心情低落或者状态不佳的时候，可以读一读一些普通人写人，苦难的日子。

于娟的《此生未完成》。

10几年前，BBS校园论坛时代的网红。这本书记录她生病，自救到离开的心路历程，感受。

用她的话说，绝大多数普通人不会有这样的遭遇——她突然可以放下一切名利权情，不再试图控制大局小局——能活着就挺好，能看着她的孩子长大，她愿意付出一切。

天不遂人愿，好的结果仍然没有发生。

蔡磊的《相信》。——他在书里说：“一个连电梯都不愿意等的人，现在只能等死”。

在生死面前，可能才真正有可能与内心灵魂对话，什么是最重要的，什么是更重要的。——如果真有机会，我相信他们真的会重生。

转念一想，这不与《10倍法则》里的十倍努力的奋斗原则相违背了嘛？

其实并没有。

十倍的目标，是让你心动的目标。那么十倍的努力，并是直接等同于十倍的时间付出。——而是提升十倍的认知，认知对了，有时候做减法，事情反而更少。然后结果导向，做出十倍的改进。

《一年顶十年》，巧干胜于苦干。

02

有些事情，没有想象中那么顺利，也没有想象中那么复杂。

现在的秩序还是比较明确的。

有时候，折腾的话，可能就是花点钱（不多），花点时间，花点心力。

当然，其实很多时间是在等待和内耗，如果你不内耗——“顺其自然，允许一切发生的话“，那么其实世界就简单。

纠结和折腾了几天的事情，今天算解决了，就剩下收尾的事情。

历史文章：

基于Deap遗传算法在全量可转债上做因子挖掘（附python代码及全量因子数据）

年化27.9%，最大回撤-13.6%的可转债因子策略，结合机器学习特征筛选（附python代码）

代码发布：quantlabv5.3，可转债所有数据及双低、动量因子策略，单因子分析框架

Quantlab3.9代码：内置大模型LLM因子挖掘，全A股数据源以及自带GUI界面

AI量化实验室——2024量化投资的星辰大海