HL-Quant 启发式量化策略 AutoResearch调优

HL-Quant 启发式量化策略 AutoResearch调优
HL-Quant 启发式量化策略 AutoResearch调优
本帖使用社区开源推广,符合推广要求。我申明并遵循社区要求的以下内容:
  • 我的帖子已经打上 开源推广 标签:
  • 我的开源项目完整开源,无未开源部分:
  • 我的开源项目已链接认可 LINUX DO 社区:
  • 我帖子内的项目介绍,AI生成、润色内容部分已截图发出:
  • 以上选择我承诺是永久有效的,接受社区和佬友监督:

以下为项目介绍正文内容,AI生成、润色内容已使用截图方式发出


背景

最近用AI帮忙构建自己的量化系统,在看到了Andrej Karpathy 的 auto-research和Jiayi Weng 的启发式学习收获很大,然后想到了能不能用在量化策略优化中。
实盘中使用了这个skills调优策略对我帮助很多,目前实盘策略能达到月收益16%。

所以我开源了一套skills,提供一下这个方法论:

github.com

GitHub - toddwyl/hl-quant: heuristic learning quant

heuristic learning quant

架构图设计:

strategy.py(唯一可编辑)──改它──▶ backtest.py(固定评估器)──▶ 一个分数

image

防止过拟合的方法

1/3的股票作为验证集,并且每次调优是训练和验证集都更优才采纳,并且让AI反思是否符合市场规律。

image

1 个帖子 - 1 位参与者

阅读完整话题

来源: LinuxDo 最新话题查看原文