原创文章第317篇，专注“个人成长与财富自由、世界运作的逻辑与投资"。
昨天晚上，灵感突发，在星球里写下的一段话，我觉得挺好。
对于量化新手，最有效的方式，去线上量化社区找看起来不错的策略，修改，优化。并不能指望直接能用，但策略思路是可以用借鉴的。 多看自己就有思路了。
我们的策略算子是可以积累的，因此写策略会越来越快。
进阶当然是金工研报，高阶就是金融前沿论文了。
还有一个就是社群交流，无论线上线下，多碰撞。
我们是把投资当成科学问题来研究的，尽管它有艺术的成份，这也是量化投资好玩之处，若是纯科研问题，那也是科学家的事情，普通人的机会有限。
上午尝试使用numba来改造RSRS的计算，看来没有成功。numba不支持pandas，连numpy的polyfit也不支持。
由于pandas不支持多序列的rolling，这个没办法，要么使用cython来重写，但代码的可读性和可维护性又堪忧，这个还需要再想想办法。
#@jit()
def _slope_pair(se_left, se_right, N=18, index=None):
slopes = []
R2 = []
# 计算斜率值
for i in range(len(se_left)):
if i < (N - 1):
slopes.append(np.nan)
R2.append(np.nan)
else:
x = se_right[i - N + 1:i + 1]
y = se_left[i - N + 1:i + 1]
slope, intercept = np.polyfit(x, y, 1)
#lr = LinearRegression().fit(np.array(x).reshape(-1, 1), y)
## y_pred = lr.predict(x.reshape(-1, 1))
#beta = lr.coef_[0]
# r2 = r2_score(y, y_pred)
slopes.append(slope)
# R2.append(r2)
slopes = pd.Series(slopes)
slopes.index = index
return slopes
策略的基础思路其实可以很多，现在可以做的事情是太多，而不是太少:
比如行业轮动：
策略示例采用第一种策略构建方法，利用行业动量设计策略。为了提高策略速度，以6个行业为例进行演示。
第一步：确定行业指数，获取行业指数收益率。
第二步：根据行业动量获取最佳行业指数。
第三步：在最佳行业中，选择最大市值的5支股票买入。
比如股票多因子策略：
第一步：获取股票市值以及账面市值比数据。
第二步：将股票按照各个因子进行排序分组，分组方法如上表所示。
第三步：依据式2式3，计算SMB、HML因子。
第四步：因子回归，计算alpha值。获取alpha最小并且小于0的10只的股票买入开仓。
不在浮沙筑高台，星球目前的计划是把回测引擎基础调稳定，然后把模块化算子补充完整，磨刀不误砍材功。
【实盘策略】18年至今总回报95%，最大回撤才10%，夏普比率和卡玛比率均超过1（策略代码+数据下载）