#GP进化引擎

avatar
更新一下 A-Trading 的开发进展！ 这两天把GP进化引擎的所有参数都暴露到前端了，让 AI 监控迭代总是不够稳定，所以只能先把本地迭代的全流程打通！ 现在这个版本可以做到不断的快速生成各种策略因子，20多个迭代参数理论上生成无限多的策略因子，另外为了方便加速，我还增加了可调用多少CPU算力的 参数... 我的这台机子是24核的，所以理论上最高可以调用20个核心进行策略迭代，至于为什么不用GPU，原因是我让AI做了计算，这种类型的调用GPU在更长周期效率反而没有CPU高... 随手调了几个参数，生成了一个无Alpha收益（跑输现货）的策略，基本上代表着整个系统已经跑通； 最近的重心都放在了真实模拟市场上面，5~8bp的交易磨损，同时杜绝了一切潜在的前视漏洞，后面只需要通过控制因子复杂度降低过拟合风险，然后再不断尝试找到一个Alpha就能开始做实盘对接的部分了！ 有人说我最近发的他看不懂，所以我说点大白话！ 这个玩意搞得不是一个策略，而是一个通过优胜劣汰，每次耗时数个小时，做数十万次回测然后筛选有效策略的系统！ 我再也不用绞尽脑汁对着几个指标，去思考有效的策略该怎么做，单纯就是让几百个随机策略在市场中竞争、繁殖、变异，然后迭代上100次，最终活下来的策略，越简单，越有效！ 200个随机候选人，迭代100次，生成一个GP树，这就是2万次回测，而我目前至少安排18颗GP树同步演化，也就是一次运行要回测36万次... 传统做量化、调参数的时代一去不复返了，后面我会让达尔文来帮我写策略... 是不是搞明白了？
#A-Trading #GP进化引擎 #AI监控 #本地迭代 #策略因子 #CPU算力