年化从19.1%提升到22.5%,全球大类资产轮动,加上RSRS择时,RSRS性能优化70倍。(附策略源码)

本文主要是介绍年化从19.1%提升到22.5%,全球大类资产轮动,加上RSRS择时,RSRS性能优化70倍。(附策略源码),希望对大家解决编程问题提供一定的参考价值,需要的开发者们随着小编来一起学习吧!

原创内容第638篇,专注量化投资、个人成长与财富自由。

今天优化一下RSRS指标,并刷新一下策略。

大家知道,numpy的rolling apply性能不好,我们来优化一下:

import numpy as npfrom numpy.lib.stride_tricks import as_strided as strideddef rolling_window(a: np.array, window: int):'生成滚动窗口,以三维数组的形式展示'shape = a.shape[:-1] + (a.shape[-1] - window + 1, window)strides = a.strides + (a.strides[-1],)return strided(a, shape=shape, strides=strides)def numpy_rolling_regress(x1, y1, window: int = 18, array: bool = False):'在滚动窗口内进行,每个矩阵对应进行回归'x_series = np.array(x1)y_series = np.array(y1)# 创建一个一维数组dd = x_seriesx = rolling_window(dd, window)yT = rolling_window(y_series, window)y = np.array([i.reshape(window, 1) for i in yT])ones_vector = np.ones((1, x.shape[1]))XT = np.stack([np.vstack([ones_vector, row]) for row in x])  # 加入常数项X = np.array([matrix.T for matrix in XT])  # 以行数组表示reg_result = np.linalg.pinv(XT @ X) @ XT @ y  # 线性回归公示if array:return reg_resultelse:frame = pd.DataFrame()result_const = np.zeros(x_series.shape[0])const = reg_result.reshape(-1, 2)[:, 0]result_const[-const.shape[0]:] = constframe['const'] = result_constframe.index = x1.indexfor i in range(1, reg_result.shape[1]):result = np.zeros(x_series.shape[0])beta = reg_result.reshape(-1, 2)[:, i]result[-beta.shape[0]:] = betaframe[f'factor{i}'] = resultreturn frame@calc_by_symbol
def RSRS(low: pd.Series, high: pd.Series, N: int = 18, M: int = 600):beta_series = numpy_rolling_regress(low, high, window=N, array=True)beta = beta_series.reshape(-1, 2)[:, 1]beta_rollwindow = rolling_window(beta, M)beta_mean = np.mean(beta_rollwindow, axis=1)beta_std = np.std(beta_rollwindow, axis=1)zscore = (beta[M - 1:] - beta_mean) / beta_stdlen_to_pad = len(low.index) - len(zscore)# print(len_to_pad)pad = [np.nan for i in range(len_to_pad)]pad.extend(zscore)zscore = pd.Series(pad, index=low.index)len_to_pad = len(low.index) - len(beta)pad = [np.nan for i in range(len_to_pad)]pad.extend(beta)beta = pd.Series(pad,index=low.index)return beta

优化前的时间:

图片

优化之后性能可以接受(性能优化70倍!):

图片

当然我们需要确保计算结果是一致的:

图片

我们来测试一下策略——全球大类资产配置,加上RSRS择时后,

图片

图片

年化从19.1%提升到22.5%

图片

源码在这个位置:

图片

源代码下载:AI量化实验室——2024量化投资的星辰大海

吾日三省吾身

之前聊的“ABCZ”计划人生计划之"ABCZ",

Z计划作为投资系统,这个保持不变——应该是建议所有人都建立起这一样的系统,既是保底方案,在你本金大了之后,更新财富自由的动力。

但Z计划需要其他计划的助力,助力越快,则自由越早。

C计划是你理想中的生活,也许有各种各样的版本,但是,你喜欢什么样的感觉你是知道的。

内向型的人喜欢自己能独立完成事情,外向型的人喜欢张罗一堆人去完成一件事情,这完成不一样。

比如“做一个独立的研究者,创作者。”

万维刚在得到App上的课程火了之后,他辞掉了物理学者的工作,专心写作。

因为写作的收益已经远超他的本职工作。

你可以认为,这其实是他的plan B,而且非常稳妥。

ABCZ本质是要降低对于A计划的依赖,B计划要有积累,可持续,有复利,持续积累之后,其实就是C计划。

C计划不可能凭空出现,哪怕你中了彩票头奖,也是补充Z计划的本金。C计划肯定是B计划里一步步“生长”出来的。

只是B计划有了正反馈后,一步步积累,一点点调整,迭代走出来的。

因此,这里最大的变化,是强化B计划的可积累和复利,架设被动收入管道,这看来是当下最重要的事情。

历史文章:

咱们一起努力三年了!

Quantlab5.8全量代码发布:新增大模型因子挖掘,Deap因子挖掘系统优化

AI量化实验室——2024量化投资的星辰大海

这篇关于年化从19.1%提升到22.5%,全球大类资产轮动,加上RSRS择时,RSRS性能优化70倍。(附策略源码)的文章就介绍到这儿,希望我们推荐的文章对编程师们有所帮助!



http://www.chinasem.cn/article/1130138

相关文章

Python如何使用__slots__实现节省内存和性能优化

《Python如何使用__slots__实现节省内存和性能优化》你有想过,一个小小的__slots__能让你的Python类内存消耗直接减半吗,没错,今天咱们要聊的就是这个让人眼前一亮的技巧,感兴趣的... 目录背景:内存吃得满满的类__slots__:你的内存管理小助手举个大概的例子:看看效果如何?1.

一文详解SpringBoot响应压缩功能的配置与优化

《一文详解SpringBoot响应压缩功能的配置与优化》SpringBoot的响应压缩功能基于智能协商机制,需同时满足很多条件,本文主要为大家详细介绍了SpringBoot响应压缩功能的配置与优化,需... 目录一、核心工作机制1.1 自动协商触发条件1.2 压缩处理流程二、配置方案详解2.1 基础YAML

Python实现无痛修改第三方库源码的方法详解

《Python实现无痛修改第三方库源码的方法详解》很多时候,我们下载的第三方库是不会有需求不满足的情况,但也有极少的情况,第三方库没有兼顾到需求,本文将介绍几个修改源码的操作,大家可以根据需求进行选择... 目录需求不符合模拟示例 1. 修改源文件2. 继承修改3. 猴子补丁4. 追踪局部变量需求不符合很

SpringBoot如何通过Map实现策略模式

《SpringBoot如何通过Map实现策略模式》策略模式是一种行为设计模式,它允许在运行时选择算法的行为,在Spring框架中,我们可以利用@Resource注解和Map集合来优雅地实现策略模式,这... 目录前言底层机制解析Spring的集合类型自动装配@Resource注解的行为实现原理使用直接使用M

MySQL中慢SQL优化的不同方式介绍

《MySQL中慢SQL优化的不同方式介绍》慢SQL的优化,主要从两个方面考虑,SQL语句本身的优化,以及数据库设计的优化,下面小编就来给大家介绍一下有哪些方式可以优化慢SQL吧... 目录避免不必要的列分页优化索引优化JOIN 的优化排序优化UNION 优化慢 SQL 的优化,主要从两个方面考虑,SQL 语

MySQL中慢SQL优化方法的完整指南

《MySQL中慢SQL优化方法的完整指南》当数据库响应时间超过500ms时,系统将面临三大灾难链式反应,所以本文将为大家介绍一下MySQL中慢SQL优化的常用方法,有需要的小伙伴可以了解下... 目录一、慢SQL的致命影响二、精准定位问题SQL1. 启用慢查询日志2. 诊断黄金三件套三、六大核心优化方案方案

Redis中高并发读写性能的深度解析与优化

《Redis中高并发读写性能的深度解析与优化》Redis作为一款高性能的内存数据库,广泛应用于缓存、消息队列、实时统计等场景,本文将深入探讨Redis的读写并发能力,感兴趣的小伙伴可以了解下... 目录引言一、Redis 并发能力概述1.1 Redis 的读写性能1.2 影响 Redis 并发能力的因素二、

Spring 中 BeanFactoryPostProcessor 的作用和示例源码分析

《Spring中BeanFactoryPostProcessor的作用和示例源码分析》Spring的BeanFactoryPostProcessor是容器初始化的扩展接口,允许在Bean实例化前... 目录一、概览1. 核心定位2. 核心功能详解3. 关键特性二、Spring 内置的 BeanFactory

使用国内镜像源优化pip install下载的方法步骤

《使用国内镜像源优化pipinstall下载的方法步骤》在Python开发中,pip是一个不可或缺的工具,用于安装和管理Python包,然而,由于默认的PyPI服务器位于国外,国内用户在安装依赖时可... 目录引言1. 为什么需要国内镜像源?2. 常用的国内镜像源3. 临时使用国内镜像源4. 永久配置国内镜

C#原型模式之如何通过克隆对象来优化创建过程

《C#原型模式之如何通过克隆对象来优化创建过程》原型模式是一种创建型设计模式,通过克隆现有对象来创建新对象,避免重复的创建成本和复杂的初始化过程,它适用于对象创建过程复杂、需要大量相似对象或避免重复初... 目录什么是原型模式?原型模式的工作原理C#中如何实现原型模式?1. 定义原型接口2. 实现原型接口3