JulWeek5

0728-0729

强化学习因子挖掘复现 autogen

论文: https://xuehongyan.oss-cn-beijing.aliyuncs.com/kdd23_alpha_mining.pdf
github:https://github.com/RL-MLDM/alphagen
大概是将因子表达式用逆波兰表示，然后将找因子变成一个找seque的问题，通过定义各种简单算子为单个动作，进行强化学习建模。方法是ppo截断。
看方法论部分应该挺好理解，代码工程量比较大，数据接口和数据处理部分比较复杂，所以决定不如直接重写，数据用蔷薇自己的。

简易版autogen大致思路：
1. data_api.py 
2. env.py: 继承gym库，如果有的话， 
3. ppo方法，如果有stable-baselines3的ppo就用它，没有就自己写一个ppo，（ppo截断）
4. 算子实现：这个可以直接抄autogen的 
5. train.py：直接抄自己以前代码

真正有用的东西

在期货市场，尤其是大宗上因为动量存在，可以试试海龟交易法, 参考：https://www.myquant.cn/docs/python_strategyies/110
做日频的，先在聚宽上进行回测，可以盈利后可以实盘手动调仓实现，顺便练交易纪律。

• 准则1：根据计划进行交易，并严格遵守计划。
• 准则2：顺势交易，“趋势是你的朋友”。
• 准则3：在许可的范围内，尽可能采用止损单。所以，在建立一个头寸时，应该递入第二张交易指令，在止损价位上了结你的头寸。
• 准则4：一旦心存怀疑，立即出场！
• 准则5：务必要有耐心，不可过度扩张交易。任何市场每年通常都有3～5个交易良机，包括个股在内。
• 准则6：迅速认赔，让获利头寸持续发展
• 准则7：不可让获利头寸演变为亏损（或者，尽可能持有必然获利的头寸）。我建议每当风险／回报比率变成1：2时，你应该将止损点（或心理出场点）调整至成本之上，而持有必然获利的头寸。
• 准则8：在弱势中买进，在强势中卖出。
• 准则10：不可摊平亏损——亏损头寸不可加码。这个策略与摊平亏损之间的差异在于你有一套交易计划，并设定市场证明你判断错误的止损点。在计划中，你将评估每天的反弹幅度以及反弹的天数。在交易之初，你不仅已经限定了反弹的天数，而且还设定了认赔的出场价位。
• 准则11：不可仅因价格偏低而买进，不可仅因价格偏高而卖出。不可以存在这种心理：“这已经是历史低价，它不可能再跌了。”或“这已经不可能再涨了，我必须卖出！”除非你见到趋势发生变动的征兆，否则趋势持续发展的机会较高。
• 准则12：只在流动性高的市场中交易

0730-0731

复现alphagen

目前已经重现了逆波兰表达式的生成和解析，以及环境的框架。

0801

复现alphagen的policynet

它的四个policynet写的是比较规范的，可以学一下。 正余弦位置编码, 一种绝对位置编码方法。