原创内容第1042篇，专注AGI+，AI量化投资、个人成长与财富自由昨天，我们把金融量化多智能体的总体框架和技术选型梳理清楚了。星球里排名第一的策略更新了，可以免费订阅了: 年化560%，回撤9%，夏普6.01。从目前看到的多智能量化框架和代码来看，更多是基于像akshare或者更多数据源，做mcp服务，或者基于prompts，给大模型设定人设，然后对于某一支证券做评价，有些直接就是把交易规则给大

再来一个意义，用来赋能投资的AGI，是人类技术的未来，是人工智能的王冠上的明珠。人类的大脑，AGI就是”仿生“人的大脑，在通过”奇点“的路上， 这是最前沿的技术——没准可以衍生出可与其他人、其他公司合作的副产品，这是意义之二。就是说，这里的赔率，胜率是可以预估的。————念念不忘，必有回响，只要功夫深，一切皆有可能！等，支持vnpy，qlib，backtrader和bt引擎，名内置多个。其他领域，

当下大模型可以真正落地的场景，还是Agent生态，通过多环节的串联+工具来实现预期的目标。这样csv_dataloader加载数据，因子计算速度也快了很多，最重要的是，我们解决了rank，ts_rank嵌套的问题。——手工挖，遗传算法，机器学习等。当然，本身很多事情，随着时间的推移，变得可有可无，或者就是随手的事情。这里的闲事，就是短期内，没有确定deadline要做的事情。但在强迫症的眼里，既然

内容创作与模仿：对于刚开始接触自媒体的人，模仿是学习的一种方式，通过不断学习和实践，逐步打造出自己的风格和影响力。自媒体的潜力：在数字化时代，自媒体提供了一个低成本创业的平台，通过建立个人品牌和影响力，可以实现持续的收入。当然，很多信息源内容并不精致，信噪比低，这样大模型也挖掘不出好的结论。过你想过的生活，做喜欢做的事情。关注我，一起成长，学习量化投资，提升对于世界的认知，实现财富自由。生成式大模

原创内容第1023篇，专注AGI+，AI量化投资、个人成长与财富自由。我们在task模板策略的基础上，对参数进行遍历。：加入消费、科技、券商等不同行业beta：更多不相关资产提供轮动机会：小盘、周期品提供不同市场环境下的表现：不同风格和行业的轮动机会。

它的强项在于把很多个任务，编成一个有向无环图，然后依次执行，大数据中数据处理、机器学习里的工作流比较合适。单纯用定时任务有点重了，如果仅是定时任务，可以使用apscheduler，但我们还需要异步执行，比如回测一个策略。关于英语的学习，尤其是听和说练习，想到一个方法，就是TED演讲视频的精听与背诵，一周一篇试试，一年50篇左右，估计英文口语和听力会有一个质的提升。后来换过几家公司，在几个城市生活，

原创内容第1023篇，专注AGI+，AI量化投资、个人成长与财富自由。我们在task模板策略的基础上，对参数进行遍历。：加入消费、科技、券商等不同行业beta：更多不相关资产提供轮动机会：小盘、周期品提供不同市场环境下的表现：不同风格和行业的轮动机会。

t.select_sell = ['(1-close/shift(close,1))>0.04']# 止损条件。t.select_buy = ['close>ma(close,4)']# 入场条件。'159915.SZ',# 创业板100（成长股，科技股，中小盘）'159915.SZ',# 创业板100（成长股，科技股，中小盘）'510180.SH',# 上证180（价值股，蓝筹股，中大盘）'51

而类比人类的学习，我们不会拿1万张猫的图片让孩子学习什么是猫，一个小朋友也许只见过几只猫，他几乎可以认出各种图片的，抽象的，卡通的猫。所以有了alpha go， alpha master和alpha zero这样的围棋大师，然后它们的技能迁移的打战略游戏上，也是一等一的好手，都拜强化学习所赐。昨天我们讲的DNN的模式，我们是让模型学习过去的因子“预测”当天的收盘价的“涨跌”。我们学骑自行车，并不会

虽然DRL的训练过程较为复杂，且必须面对市场的不确定性，但它的自适应能力和长期优化的潜力是其显著的优势。这是官方给的代码，大家可以结合论文先看作者的思路，后续会结合我们自己的数据，考虑整合到Quantlab框架中。最近开始，还会把星球沉淀下来的模块，生成相应的专栏，可能会使用小报童的形式，大家这几周可以关注下。爱迪生的研究所，在经济周期面前，仍然需要断臂求生，这就是商业法则——生存为第一要义。“一