当前位置:首页 > DeepSeek技术交流 > 正文内容

如何利用 deepseek 高效开发 策略轮动模型 ?

4个月前 (03-20)DeepSeek技术交流267

近期如何利用deepseek非常火热,我们这些做量化投资的经常重复性的工作就是编程,为此这个周末刚好方便,尝试:如何利用deepseek高效辅助编写量化策略的程序?

恰好有个策略轮动模型想要编写测试,那么本文将以:如何利用deepseek高效开发策略轮动模型?


第一步、构建策略轮动模型并以文字的方式描述出来;

策略轮动的模型描述:

第一、读取csv的所有策略日净值数据,首列为日期数据,其余列是策略的净值数据;

第二、整理数据,将数据统一化,将第一天作为新的净值数据起点;

第三、加入轮动模型,用马科维茨组合理论计算策略仓位分配权重,其中策略只能做多,不可以做空;计算完权重后,只需要选取前N个权重最大的策略作为选中的策略,选中的策略仓位重新安排为均等持仓,这就是策略轮动逻辑;每N日轮动策略,重新筛选策略及均等分配仓位;

第四,设置手续费,轮动策略买入费率为千分之一,策略卖出的费率为千分之一;

第五,输出轮动效果图及评价指标;


特别解释第三条,为什么我会选择经过马科维茨组合模型计算后,不直接根据计算的分配仓位买入呢?因为经过马科维茨计算后的模型经常会出现仓位分配差别很大,对于我们资金量不大的朋友们来说很难跟着买卖策略,为此我想了一个折中的办法,那就是根据计算出来的仓位分配后,按照大小排序,如果分配的仓位越大,那么这个策略越重要或越好。现实中,我们只需要买入前N个策略即可,那么我们就可以按照均等仓位买入N策略,这样更加容易实现我们的实盘交易,并且利用这种方案买卖的回测结果也不会差,具体测试结果可以看下文的测试部分结果。

第二步、复制策略轮动模型描述到deepseek输入框,启动运行;

将这段文字复制粘贴到deepseek里面,让它按照描述的策略轮动模型以python语言编写一个程序,并启动回答。大概只需要两分钟就可以生成按照要求编写的程序,如下图所示。

生成程序截图


第三步、复制程序到本地python运行环境,修改读取数据路径,启动程序,检测是否可以正常运行?

这一步可能比较耗费时间,复制到本地运行环境后,修改读取数据路径,启动运行。

一般很少能一次性就可以正常运行的,这里面会涉及到很多问题,比如python的各种工具包可能没有达到其运行的环境要求、缺少某些工具包、不兼容问题、程序存在一些逻辑性问题等等。这些都是需要我们一步一步的去核对和检验的,并不断的进行测试修改。

经过了一两个小时的不断核对和检查,几乎可以修改完整,并可以正确的按照我们要求的进行策略轮动。

主函数


第四步、增加一些方便自己需要了解的输出数据程序功能;

经过多次调试后,几乎完成程序的修正。

完成后,因为生成的程序输出的输出或结果比较少,还需要更多的输出结果,那么自己可以将这部分的功能分别再相应的输出位置加入简单的程序,比如我需要输出回测的结果数据等。

第五步、正式测试程序,并简单对比测试模型的效果;

参数调试:lookback_period 和 top_n


为了测试程序,分别测试了三种情况:

测试1、参数 lookback_period=120 和 top_n=5,其他不变;

测试2、参数 lookback_period=180 和 top_n=5,其他不变;

测试3、参数 lookback_period=240 和 top_n=5, 其他不变

其中lookback_period为回溯周期和top_n选择前5个策略作为下一次投资的标的。

测试结果分别如下图所示:

测试1回测结果:参数 lookback_period=120 和 top_n=5


测试2回测结果:参数 lookback_period=180 和 top_n=5


测试3回测结果:参数 lookback_period=240 和 top_n=5


经过回测的结果来看,大体是符合正常的状态或涨跌幅的。那么,我们将大体完成了这一次的轮动策略模型开发。

这一次开发过程比我之前不使用deepseek辅助是要快了很多。

特别是在资产配置计算的程序模块里面,没有辅助时,特别费时间去处理,但这一次我可以非常快就可以完成了,只需要三个小时就可以完成一个策略轮动模型的程序开发,相比之前的实现过程,我自己要折腾两三天的时间,这个也可能与我编程的能力差有关系,仅供参考。

无论如何,加入deepseek辅助将会发现,我们可以高效地完成量化投资模型的程序开发,并且会有意想不到的意外结果出现。

第六、附件:策略轮动模型 的完整代码。

第一部分


第二部分


第三部分


第四部分


策略轮动模型DS.py

8.1K

·

百度网盘


精选文章链接:

1、量化研究徐中行:量化策略择时效应:市值越小,择时越好

2、量化研究徐中行:策略开发思想:股票价格是非稳态系统? 如何通过逐步提升系统稳态性而升华投资方案?

3、量化研究徐中行:量化投资方案:从数据开始,到投资方案

4、量化研究徐中行:多因子套利方案:IF、IC跨品种套利

5、量化研究徐中行:多因子线性选股模型:如何搭配因子???


“如何利用 deepseek 高效开发 策略轮动模型 ?” 的相关文章

人工智能赋能职业教育,北京八维集团引入DeepSeek

人工智能赋能职业教育,北京八维集团引入DeepSeek

在科技飞速发展的当下,人工智能(AI)已成为推动各行业变革的核心力量,职业教育领域自然也不例外。北京八维集团作为职业教育的领军者,敏锐洞察到人工智能带来的巨大机遇,近日正式引入先进的大语言模型 Dee...

方大集团:已部署应用DeepSeek公司大模型,并已在公司的企业管理等方面应用

方大集团:已部署应用DeepSeek公司大模型,并已在公司的企业管理等方面应用

 证券日报网讯 方大集团3月14日在互动平台回答投资者提问时表示,公司高度重视智能化转型与创新技术应用,已部署应用DeepSeek公司大模型,并已在公司的企业管理等方面应用。公司目前正在推进DeepS...

广州增城:智慧城管平台融合DeepSeek大模型,探索AI治理新路径

广州增城:智慧城管平台融合DeepSeek大模型,探索AI治理新路径

文/梁怿韬 通讯员 成广聚 冯日金图/通讯员提供在增城区滨江路巡查现场,监督员小胡用手机拍下路面垃圾,系统自动生成案件信息流转处置,整个过程仅需10秒。这一场景折射出增城区智慧城管平台与DeepSee...

DeepSeek在企业数字化转型中的角色是什么?

DeepSeek在企业数字化转型中的角色是什么?

DeepSeek在企业数字化转型中的角色是什么?思考和行动过程用户希望了解DeepSeek在企业数字化转型中的角色。DeepSeek是一款开源的人工智能模型,具备强大的自然语言处理和数据分析能力,可能...

赋能千行百业!DeepSeek落地再提速

赋能千行百业!DeepSeek落地再提速

今年伊始,来自中国的AI大模型DeepSeek凭借好用、开源、免费三大特点火爆全球。AI大模型是指使用大规模数据和强大的计算能力训练出的人工智能模型,这些模型通常具有高度的准确性和泛化能力,可应用于自...

百度教育接入DeepSeek-R1满血版模型,支持多模态推理

百度教育接入DeepSeek-R1满血版模型,支持多模态推理

36氪获悉,2月25日,百度教育旗下产品“拍照搜题”正式接入DeepSeek-R1满血版模型。用户可使用百度App拍照功能进入“拍照搜题”,不仅可以通过数据库提供标准答案,还能发挥DeepSeek R...