原创内容第981篇，专注AGI+，AI量化投资、个人成长与财富自由。

http://www.ailabx.com/strategy/688432468c45f7483b1a2e2c

全市场股票回测，技术上与etf差不多。

不过股票的数据量大，所以，更多的优化在大量数据的计算上，这也算是一个门槛吧。

加载1万多个csv，一共千多万行数据到内存，然后进行因子计算，这对性能的要求就比较高了。

我们的小市值策略：

1、市值在10-20亿之间。

2、收盘价<10。

3、取市值最小的20支。

每5天轮动一次。

from task_config import SortRule, Rule
task = StockTask()
task.period = 'RunEveryNPeriods'
task.period_days = 5
task.filters_rules.append(Rule(
factor_name='收盘价',
params=[],
op='小于',
value=10
))

task.filters_rules.append(Rule(
factor_name='流通市值',
params=[],
op='大于',
value=10
))

task.filters_rules.append(Rule(
factor_name='流通市值',
params=[],
op='小于',
value=20
))

task.orderby_rules.append(SortRule(
factor_name='流通市值',
params=[],
desc=False,
weight=1.0
))

e = Engine()
res = e.run(task)
print(res.stats)
# print(res.get_security_weights().iloc[-1].to_dict())
# print(res.get_weights())
import matplotlib.pyplot as plt
res.plot()
plt.show()

吾日三省吾身

看一些人物传记，看一些真实的人物访谈。

看与自己差不多同龄人的，背景不一的人的成长轨迹和历程。

有点意思。

你去看每个个体，里边有定有大量的随机的，偶然的，运气的成分。

但底层逻辑上，其实成功者总有相似的共性。

这就是我们值得去挖掘的地方

比如，讲终身成长，或者终身学习。这一条是绝对的共同点。

拉长时间周期，这一条就是关键差距。

终身学习，不是你每天看个节目，或者刷个视频。

而是成体系的，去构建一个知识体系，某个领域的认知系统。

在这个领域，你超越至少70%以上的人吧。

而不是知道一些信息，记住一些别人的观点。

更不用说，很多人，20几岁离开学校之后，就再也没有学习过。

运气好的，在一个工作上，可以混一辈子。————这也是运气。

而当环境不好时，脆弱性和适应性就体现出来了。

有些人，你看着非常聪明，做事靠谱，但就是没能机会，或者说“怀才不映遇”。————本质上，他很久没有更新自己的认知系统了。

在互联网和现在AI时代，学习资源，甚至学习方法都是海量，公开用免费的，需要一点点方法，甚至就是一些意愿和好奇心。

写作的重要性。

大家写新年计划，往往写着要读多少本书。

读书本质上还只是消费型学习。

真正有用的是生产型学习。

输出就是生产。

有观点的输出，并不容易的。

为何古人考试，只需要写一篇文章。

这里也是有道理的。

写一篇文章，关于某个方向的建议，理念的阐述。有深刻的见解，有执行的可能，这就是能力。

写作也分为技术型和非技术型的。

技术型的，比如如何做量化投资，如何开发一个AI智能体。

非技术型，比如对于宏观前沿的一些看法，思考行业发展趋势等等。

哪个价值更大？

技术型的东西，比较确定，更加容易。你只要花心思去学，就比没有学的人多懂一点，你就可以写，也可以讲。但新技术日新月异，变化快，门槛也不高，比如就算AI这样的领域，现在谁不会讲一点大模型，提示词和RAG呢？

但宏观的东西，需要洞察力，需要积累。

以前喜欢逛图书馆，书店，学习了大量技能型的东西，全栈工程师。这是确定的技能，一技傍身，让人很有安全感。

技术型的东西，还可以一定程度上让我们可以“两耳不闻窗外事”。

不过，随着年岁增长，技能型的天花板和可替代性就会显现出来。

宏观的，战略性的，方向性的观点和见解就显得重要。

大的事情，都是“先胜而后求战”。

尽管说互联网讲求快速迭代，没有人能一次规划准确。

但这个规划背后，是有对行业深刻的洞见，修正，迭代是朝着一定的方向去收敛的。

另外，带有一个重要的作用。

就是在别人眼里，你是一个有观点的人，有见解的人，那就是管理者和合伙人。还是说，你是一个技术，最多的初期就是一个技术合伙人。

如何获得这种全局性的，有格局的能力呢？

阅读永远是性价比最高的途径。

只是不是只读那些技术的，看起来实用的书。

也许是看似没有起作用的，比如人物传记，历史，甚至小说。

去看历史，看宇宙星辰。

代码和数据下载：AI量化实验室——2025量化投资的星辰大海

EarnMore（赚得更多）基于RL的投资组合管理框架：一致的股票表示，可定制股票池管理。（附论文+代码）

机器学习驱动的策略开发通过流程 | 普通人阶层跃迁的可能路径？

年化30.24%，最大回撤19%，综合动量多因子评分策略再升级（python代码+数据）

三秒钟创建一个年化28%，夏普比1.25的策略（python系统已开放源代码下载）

6年年化收益46%，最大回撤率为16%的策略（附python代码）