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