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：
优化之后性能可以接受（性能优化70倍！）：
当然我们需要确保计算结果是一致的：
我们来测试一下策略——全球大类资产配置，加上RSRS择时后，
年化从19.1%提升到22.5%。
源码在这个位置：
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！
