小時(shí)候,辯論題目讓我們討論“知易行難”,還是“知難行易”。 既然是辯題,正反雙方都容易能找到不同的角度。 事實(shí)上,“知”也不易,“行”更不易。 但“行”更難,今天的我可能覺(jué)得不必討論。 認(rèn)知提升當(dāng)然不易,有些人一輩子都待在自己思維認(rèn)知的圈層沒(méi)有出來(lái)。 這里說(shuō)的“相對(duì)容易”,是因?yàn)檎J(rèn)知是“一瞬間”完成的事情。 一下子你被擊中了,想明白了,你就明白了。 記得那個(gè)幾年前的那個(gè)冬日,陪愛(ài)人在北師大考試,考試需要上午下午持續(xù)一整天。 閑來(lái)無(wú)事,反復(fù)聽(tīng)李笑來(lái)的《財(cái)富自由之路》,有一集關(guān)于投資什么最重要,講到時(shí)限,本金,收益率以及風(fēng)險(xiǎn)。 印象最深的部分就是本金和時(shí)限是外因,你的投資能力體現(xiàn)的是收益率,就是說(shuō)無(wú)論是你100塊,還是1000塊,你都可以開(kāi)始投資,體驗(yàn)整個(gè)投資的完整過(guò)程,因?yàn)槲覀兊挠?jì)算的是你的收益率。如果你能夠獲得合適的收益率,證明你的投資水平在成長(zhǎng),那么你可以投入更多的資金。 我學(xué)習(xí)金融是2010年的事情,也算半個(gè)科班出身,但一直沒(méi)有行動(dòng)。 那一瞬間突然被擊中了,你的投資與本金無(wú)關(guān),只看你的收益率。你怕風(fēng)險(xiǎn),就投1萬(wàn)塊也行,只是看你的收益率就好了。所以并不用擔(dān)心資本市場(chǎng)到底有多么兇險(xiǎn),后來(lái)進(jìn)去之后,發(fā)現(xiàn)我可以掌握好。 除了投資之外,絕大多數(shù)事情,都是“認(rèn)知-行動(dòng)-修正認(rèn)知-行動(dòng)”這樣螺旋式迭代著前進(jìn)的。而且認(rèn)知完成,行動(dòng)是需要持續(xù)好長(zhǎng)一段時(shí)間才能看到結(jié)果,就算投資,你能不能克服情緒波動(dòng),克服人性的恐懼與貪婪都不好說(shuō),更何況很多事情就那么不了了之,直接就忘了。 納瓦爾說(shuō)這個(gè)時(shí)代,代碼和媒體是普通人最好的杠桿,但要用好這個(gè)杠桿,產(chǎn)品化非常重要。你的興趣,愛(ài)好,技能需要產(chǎn)品化才能變成杠桿。 給自己定一個(gè)10-100天的計(jì)劃——“基于qlib把一個(gè)AI量化投資平臺(tái)建設(shè)起來(lái)”。 其中(今天至10月底): 一、qlib平臺(tái)本身的熟練,分析代碼結(jié)構(gòu)是基礎(chǔ); 二、其次是AI模型的特征工程、參數(shù)優(yōu)化,工程化方面的東西; 三、再次是產(chǎn)品化。 它需要變成一個(gè)產(chǎn)品,目前規(guī)劃是有一gui的產(chǎn)品,可以類(lèi)似果仁平臺(tái)一樣,選擇時(shí)間,參數(shù)即可以直接回測(cè)看效果,做實(shí)驗(yàn)。 很多人懂得很多道理過(guò)不好這一生的癥結(jié)在于,永遠(yuǎn)沒(méi)有行動(dòng),或者說(shuō)行動(dòng)永遠(yuǎn)沒(méi)有結(jié)果,半個(gè)成品遠(yuǎn)遠(yuǎn)勝過(guò)一個(gè)半成品。更可怕的事情是持續(xù)行動(dòng)持續(xù)放棄,持續(xù)開(kāi)始。然后問(wèn)上天為何如此不公——因?yàn)槿绻闾善剑箍梢孕陌怖淼媒邮軟](méi)有結(jié)果——可是你如此努力,問(wèn)題出在何方?出在不能專(zhuān)注與堅(jiān)持,出在要一個(gè)有結(jié)果的努力! 01 qlib的代碼 qlib的代碼模塊化很好,可讀性很強(qiáng),而且是ai導(dǎo)向的架構(gòu),所以我強(qiáng)烈推薦大家以此平臺(tái)為核心,這是未來(lái)——與backtrader之類(lèi)的傳統(tǒng)框架相比,如果你讀過(guò)backtrader的代碼,你會(huì)知道里邊元編程有多難理解。 qlib使用了很多參數(shù),通過(guò)ymal和dict來(lái)傳參,它做了多層的封裝,這一點(diǎn)對(duì)于初學(xué)者有點(diǎn)不太容易理解,最好的方法,你讀讀它的代碼。 源代碼:examples/work_by_code.py 官方給出了一個(gè)入門(mén)級(jí)的完整案例: model = init_instance_by_config(CSI300_GBDT_TASK["model"]) init_instance_by_config就是通過(guò)傳入dict類(lèi)似的參數(shù),把model和dataset初始化。dataset里也用同樣的方法初始化了datahandler, dataloader等。 這里就完成了模型的初始化和數(shù)據(jù)集初始化(特征,標(biāo)注,數(shù)據(jù)集劃分)。 如下這一段對(duì)于傳統(tǒng)回測(cè)的同學(xué)是最不好理解的,這是機(jī)器學(xué)習(xí)的范疇,使用了mlflow的“實(shí)驗(yàn)”的概念。 # 開(kāi)始實(shí)驗(yàn) |
|
來(lái)自: AI量化實(shí)驗(yàn)室 > 《待分類(lèi)》