Quantlab开源量化系统升级：底层兼容pybroker，附年化20%的ETF波动率策略。 原创文章第349篇，专注“个人成长与财富自由、世界运作的逻辑与投资'。大概率，会启用pybroker。底层引擎换...

《财富自由之路：投资版》：理财投资策略升级 #生活技巧# #个人理财技巧# #理财经经书籍#

原创文章第349篇，专注“个人成长与财富自由、世界运作的逻辑与投资"。

大概率，会启用pybroker。

底层引擎换成pybroker后，重构完成：

【优惠券】知识星球与开源项目：万物之中，希望至美（代码+数据在星球里更新）

一个很重要的原因，其实咱们现在的框架，与框架之间耦合不多。就是在再平衡环境调用了一下api。因此，咱们换引擎很容易，而且与大家无关，是透明的，对大家无感。

为何要换？

backtrader代码是严谨，但很多方式确实是上个世纪的东西了。python也在进化。

pybroker的调用代码如下——特别简洁，而且所有代码要读完都特别容易：

class Engine:
def __init__(self, df: pd.DataFrame, config: ProjConfig, global_observer=None):
self.strategy = StrategyAlgos(df, config, global_observer)
self.result = None
def run(self):
self.result = self.strategy.backtest()
return self.result
def analysis(self):
logger.debug('回测完成，开始分析...')
self.result.orders.to_csv('orders.csv')
print(self.result.orders)

还有很多优点，比如天然支持多标的（backtrader要取时间最大的），轮动，机器学习（WFA算法）等。

最大的一个动因是：backtrader要实现再平衡的话，就是有些要买，有些要买，非常麻烦，你得自己来计算哪个先卖，否则cash不够。而pybroker由框架决定， 我只需要给它调仓表就好了（order_target_percent）。

看pybroker的代码——BacktestMixin，先执行cover， sell，然后buy。

pybroker的做空实现。

pybroker的逻辑比较简单，就是配置ctx的buy_shares，也就是买入多少股，而最终会拿cash去验证，能成交多少股就成交多少股。买空操作，没有限制，就是记录margin（保证金），也就是说买空的时候，没有验证cash。似乎margin是另一个账户的概念。

pybroker的交易佣金配置：

config_pyb = StrategyConfig(fee_mode=FeeMode.ORDER_PERCENT, fee_amount=config.commission*100)

再强调一次，回测是模糊的正确。

很多同学在纠正的是100股/手，还是现在的100+1。真没必要，回测是验证大逻辑与策略可行性，正确性。

策略产出的信号，最终落实到broker，就是买或卖多少股，然后broker去实际下单。实盘的broker与交易软件的api相关，本身也不会使用无论是pybroker，还是backtrader，都需要封装过。

回测更关心策略的大方向。

pybroker目前看来简洁，符合预期。

一门课程： AI量化投资——从小白到实盘体系教程（陆续录视频，大家关注视频号），代码+数据在星球更新

【优惠券】知识星球与开源项目：万物之中，希望至美

长期主义

书中自有黄金屋。

最近读了很多个人成长类的书，有些还是蛮有启发的。

但总结起来，结论可能大家听起来不那么舒服。

就是：成功学就是鸡汤，成长学基本是显学。

什么意思呢？

成功是很多因素加和的结果，其中运气占了很多的比重，不可复制，因此已经成功的人，怎么讲都是对的，如何预判，如何卧薪尝胆，就是运气好罢了。

成长为何是显学呢？你要努力，要专注，要长期主义，要延时满足，听起来熟不熟悉？就是道理你都懂的，而且有的还是互相矛盾的，需要用“多重思维模型”来调和呢。

为何说长期主义呢，长期主义有一点就是“磨刀不误砍柴功”。我们一直在调优“AI量化”回测平台，其实就是磨刀的过程。

很多学员着急了，策略呢？

【优惠券】知识星球与开源项目：万物之中，希望至美

AI量化社区，单元测试与重新引入pybroker

AI量化系统+GUI版本更新（代码+数据）

网址：Quantlab开源量化系统升级：底层兼容pybroker，附年化20%的ETF波动率策略。 原创文章第349篇，专注“个人成长与财富自由、世界运作的逻辑与投资'。大概率，会启用pybroker。底层引擎换... https://www.yuejiaxmz.com/news/view/586658

相关内容

年化35%，回撤率20%，可在策略页下载参数（python全系统源码） 原创内容第686篇，专注量化投资、个人成长与财富自由。今天的策略：做一个海外资产轮动：投资标的池如下：年化35%，回撤率...
backtrader的策略模板，结合“积木式”的策略模块（全系统代码下载）。 原创文章第327篇，专注“个人成长与财富自由、世界运作的逻辑与投资'。解析一下我们支持Backtrader引擎的...
年化13.1%年创业板布林带通道择时策略（源代码+数据） 原创文章第508篇，专注“AI量化投资、世界运行的规律、个人成长与财富自由'。星球后续几件事给大家汇报一下：1、...
动量vs斜率：10年16倍的策略对比（附python代码） 原创内容第745篇，专注量化投资、个人成长与财富自由。这两天去大理参加了一个年会技术会议，包括准备主题分享的时间，AI量...
禅宗大智慧与创新力的底层逻辑
金融科技｜ “用户习惯+ETF发展”强化生态优势：2025年投资策略
自动化任务是干什么的？底层原理是什么？
投资必读 | 学会7理财知识，让你快速达成财务自由
个人投资与理财论文【优秀12篇】
基金投资指南：三议七类指数基金投资逻辑

随便看看