01 Qlib的优点
昨天把可转债的数据下载并生成了Qlib支持的数据库格式。
目前看挺好用的。
比如可以查询任意历史上的某一天，价格动量（20日）排名前5的可转债是啥？
若是我们使用传统数据库，比如mongo来存储，要做到这个比较麻烦。
我们需要把所有标的的数据读出来，然后计算20日的动量，同时横向排序，然后取出前5。
由于这个某一天不是固定的，这个价格动量也是我临时想的，我可以突然又想查询MACD>0的，那这就没有办法预计算。这个计算量不小。可转债只有400多支还好，股票有4000多支，基金有1万多支，计算量巨大，且不说，如果想计算100多个因子，那在传统量化平台几乎是不可能的任务，而在Qlib这种专门定制的平台，就是入门级的demo。
02 可转债
可转债是低息债+对应正股的看涨期权。
这就决定了可转债有“底”。
而转股不还钱又是公司和投资人共同的目标，那么下修机制，强赎机制，回售机制都让可转债“上不封顶”。
可转债的估值比股票和ETF要相对容易得多。
今天会把“双低策略”在Qlib的环境里实现一下。
再加上其他基本面因子，对可转债列表进行排序，相信这个模型会比较容易得到还不错的结果。
03 投资逻辑
投资体系是存在通用逻辑的。
“花一秒钟就看透事物本质的人，和花一辈子都看不清事物本质的人，注定是截然不同的命运。”
教父
投资是一个概率游戏。
不谈时间周期聊顶底和方向没有意义。
确定了周期再看左右两侧。
左侧看估值，既然判断不了方向，那便宜的东西，安全边际就高。
右侧基本面看成长，技术面看动量。
既然是概率，若是短线，需要有资金分配与止赢损。
04 人工智能
人工智能也是一个概率统计模型。
对一堆因子拟合一个目标函数。
投资里有仍然不可量化或者不好量化的地方，人工可以辅助。
投资本身是一个信息处理，数据密集的领域。
AI没有理由不大放异彩。
NLP前沿没有太多的进展，现在对算力要求很高。
但至少往前进了一步。
我们对于自己的大脑，意识来源知之甚少。
但人工智能与生物科技绝对是未来大势。
作为技术人，积极拥抱这个方向不会错。
05 人性
人性很复杂。
人与人不在于认识多久，而在于本质。
有些人认识几天，相见恨晚；
有些人认识很多年，相敬如宾。
气场这个东西，不合就不合。
有人喜欢朋党，可能那是他需要的安全感罢。
不评价他人好恶，做好自己的事情。
格局也需要实力在支撑。
在绝对实力面前，一切的阴谋都是奇技淫巧，不值一提。
结论：
建立投资体系，用好AI的能力，构建一个系统。
自由的基础是财务自由，健康的身体，和谐的家庭，三五好友，有自己的小兴趣，多读书，人生如此。
联系客服
