AI量化策略平台化：Django

无人驾驶车辆通过AI学习优化驾驶策略 #生活知识# #科技生活# #科技改变生活# #无人驾驶#

原创文章第468篇（AI策略平台化第5篇），专注“AI量化投资、个人成长与财富自由"。

这是AI量化策略平台化的第5篇，今天的核心是Django-Allauth这个包。

明天是星球更新代码的日子，做下预告，Quantlab3.6:

网页链接{Quantlab3.5的源代码和数据 | 关于健康、财富，意义的思考}

1、数据加载逻辑重构，本地读一个统一的文件夹。不存在的数据，会尝试从服务器读取。——省去大家下载数据的工作，进而专注在策略开发中。

2、策略模板统一化，不需要指定：大类资产配置，轮动，择时或者多策略组合。

代码下载：AI量化实验室——2024量化投资的星辰大海

之前咱们在Django, Flask和FastApi用哪个框架做后端摇摆过很多次。

我这里再简单总结一下，方便希望做自己量化平台系统架构的同学参考。

由于是AI系列，python无疑是最好的选择。AI技术栈，python生态有明显的优势。在金融量化领域，也是。即便是追求高频，高性能的私募公司，底层使用c++，rust或者go来提升效率，上层仍然使用python追求策略的简洁与交付的效率。

python的web生成也非常成熟。刚说的三大框架，为何我们选择了Django？

其实还是生态，看似起步的时候重一些，但你的功能到一定程度，这些都会只多不少，反而Django帮我们做了不少事情。

Django-ninjia的出现，相当于把FastApi给整合起来了。因此FastApi就不需要了。而Flask，当我们用用户管理，ORM, Admin这一套整合完之后，发现代码结构越发像Django，而且还花了不少功夫。——这一切，Django是开箱即用的。

今天我们讲的Django-AllAuth，就是简化了用户注册，登录，修改密码之类，不难但细节不少。

官方文档如下：网页链接

使用： pip install django-allauth进行安装。

配置过程比较简单，熟悉Django的同学很快就能用起来：

1、加入Apps列表：

INSTALLED_APPS = [
...
# The following apps are required:
'django.contrib.auth',
'django.contrib.messages',
'allauth',
'allauth.account',

2、加入中间件：

MIDDLEWARE

=

(

"django.middleware.common.CommonMiddleware"

,

"django.contrib.sessions.middleware.SessionMiddleware"

,

"django.middleware.csrf.CsrfViewMiddleware"

,

"django.contrib.auth.middleware.AuthenticationMiddleware"

,

"django.contrib.messages.middleware.MessageMiddleware"

,

# Add the account middleware:

"allauth.account.middleware.AccountMiddleware"

,

)

3、加入URL:

urlpatterns = [
...
path('accounts/', include('allauth.urls')),
...
]

一个完整的用户注册功能就完成了，以下就是django-allauth提供的功能，包括：注册，登录，登出，重新激活，修改密码等等。

界面简陋，但功能是完全可用的：

写过完整的用户系统的同学会知道，如果你在flask要搭建这个流程，且要花一番功夫，调试，还容易出bug。

剩下的，我们使用bootstrap来美化一下这些页面就可以了。——这也体现在django生态的厉害之处!

从github下载Djanto-Allauth的原码，把templates/account的下目录拷贝到咱们新创建的myaccount App下。

美化以后界面如下：

django-allauth，总体感觉是非常好的，你只自己真正要开发一个应用的时候，才知道看似不难的事情，有多少细节。

而django-allauth没有提供个人主页，因为这个需求太个性的，实现起来不难，但基本就是一份工作量。而注册，登录，改密码，发邮件，激活邮件，几乎都是这样的一份代码。挺麻烦的，几天的工作量吧，而借django-allauth，小半天就搞出来了。

大家看下基础效果：

吾日三省吾身

重启Django重启后端，有一个很深的感悟。

“简单”的事情重复做。

世界的规律，很大程度就是重复。比如细胞，就是复制；雪花也是分形。自然法则就是“物竞天择，适者生存”——突变+筛选。如果简单，去如果繁荣的生态。

做技术也一样，不要今天搞搞这个，明天搞搞那个，选好型，有些困难需要跨过去，就形成闭环了。

做金融量化架构的角度，小团队的话：

python+Django+mysql+mongo+bootstrap+jquery。我把用了好久的Dagster都打算弃掉，直接使用django-apscheduler就好。

——如无必要，不加实体。

保持简单，专注。

近期文章：

Quantlab3.6：后续产品化的思考

网页链接{Quantlab3.5代码发布：因子表达式及Alpha158因子库实现 | 超参数优化（代码+数据）}

本周的重点是gplearn在因子挖掘上的应用，重点是CTA场景。

gplearn遗传算法应用于CTA因子挖掘：手把手教程（代码+数据下载）

网页链接{gplearn系列：使用因子rank ic评估因子性能（代码+数据）}

AI量化实验室——2024量化投资的星辰大海

网址：AI量化策略平台化：Django https://www.yuejiaxmz.com/news/view/586655

相关内容

python+django基于用户行为推荐的个性化新闻推荐服务平台
Python+Django二手家电销售购物平台
django的校园二手书交易平台(程序+开题报告)
python计算机毕设【附源码】二手书交换平台（django+mysql+论文）
基于Python+Django的二手电子产品交易平台系统设计与实现
提升AI软件效率的7大策略，优化工作与生活
Python毕业设计选题：基于django+vue的智慧社区可视化平台的设计与实现+spider
基于人工智能的自适应交通流量控制系统
基于django+vue校园二手物品交易平台的设计与实现【开题报告+程序+论文】
工作/生活平衡策略

随便看看