原创文章第601篇，专注“AI量化投资、世界运行的规律、个人成长与财富自由"。

之前说过，多因子模型在量化投资里占据很多比例。

多因子模型核心当然是找到好的因子。

可转债里我们可以把转债背后的正股的基本面数据合成进来。

大家可以看出来，我们的基础因子维度就扩充了不少。

当然还有很多财务指标还没有纳入进来。

可转债还有很多债性指标可以考虑进来。

多表合并的代码：

class DumpQuotes:
    def __init__(self, tb_basic, tb_quotes_list: list):
        self.tb_basic = tb_basic
        self.tb_quotes_list = tb_quotes_list

    def build(self):
        items = list(mongo_utils.get_db()[self.tb_basic].find({}))
        for item in tqdm(items):
            # 导出数据到csv
            main_symbol = item['symbol']


            dfs = []
            for symbol_col, tb_quotes in self.tb_quotes_list.items():
                symbol = item[symbol_col]

                print(symbol)
                filters = {'limit_status': 0, 'symbol': 0, '_id': 0}
                if symbol != main_symbol:
                    filters.update({'close': 0})
                items = mongo_utils.get_db()[tb_quotes].find({'symbol': symbol},
                                                             filters)
                items = list(items)
                if len(items) == 0:
                    print(main_symbol+'没有数据')
                    continue
                df = pd.DataFrame(items)

                df = df.replace(pd.NA, 0)
                # print(df)
                # df.to_csv(DATA_DIR_QUOTES.joinpath('s_{}.csv'.format(symbol).format(symbol)))

                df.set_index('date', inplace=True)


                dfs.append(df)
            if len(dfs) == 0:
                continue
            df_all = pd.concat(dfs, axis=1)
            df_all['symbol'] = main_symbol
            df_all.dropna(inplace=True)
            df_all.to_csv(DATA_DIR_QUOTES.joinpath('{}.csv'.format(main_symbol)), index=True)

代码下载地址：（文末有优惠券和地址，扫码即可）

昨天经管理员提醒，可以使用pandas_ta来替代talib:

import pandas as pd
import pandas_ta as ta

from datafeed.expr_functions import calc_by_symbol


@calc_by_symbol
def ta_kdj(high, low, close, index=0):
    df_kdj = ta.kdj(high, low, close)
    if 0 <= index <= 2:
        name = list(df_kdj.columns)[index]
        return df_kdj[name]
    return None

AI量化实验室——2024量化投资的星辰大海

讲讲quantlab的代码结果：

dataloader从本地目录读取csv集合，并使用因子表达式引擎计算因子。

在论论里发了详细讲解：
Quantlab代码结构讲解：datafeed数据加载与因子表达式。

吾日三省吾身

01

当下内心不平静时，把它用文字写出来。

写着写着你就平静了。

这个世界确实有很多人，他不想要过程，他也不想努力，但他也想要结果。

他不学习量化，但他就想实盘。

他不想理解，他只要策略。

而且还希望策略可以赚钱，而且要持续赚钱。

看到这里，可能你也觉得很奇怪，这怎么可能嘛。

但是，不自觉很多人就是这样，不是吗？

重申一次，量化里最核心的是策略，实盘是重要一环，但你策略都没理明白，实盘的意义是？

而且，现在实盘的接口有的是，你直接上去写不就好了。

然后他又问，你的策略能不能对接实盘。

其实就是改个API的事情。这是关键吗？不是。

人生的意义在于体验生命的过程、享受当下的生活和接纳所有的一切。每个阶段都有不同的美好和精彩，我们要把握当下，坦然接受一切，让生命成为一本精彩的故事书。不念过往，不惧将来，过好这一生。

02 

时间是最好的解药，能解所有的事情。

确实是所有，因为我们一旦出生，就永不停息，直到结束。

无论你是王侯将相，还是贩夫走卒，时间都是一分一秒，不曾多，也不曾少。

但是生命之厚度是不一样的，体验的深度是不一样的。

做时间的朋友，这句话太好了。——做时间的朋友里包含几重奥义：长期主义、复利，被动收入管道等等。

不要急，做正确的事情，等时间的结果。

历史文章：

有些新朋友还不知道星球在哪里，下面是优惠券：

量化私募公司的多因子构建方案（附python代码）

代码发布：quantlabv5.3，可转债所有数据及双低、动量因子策略，单因子分析框架

年化22.8%的单因子分析：基于Alphalens做可转债全市场数据的单因子分析（附python代码+全量数据）

长期年化收益45.9%：兼顾高成长与低波动的趋势轮动策略（附python代码）

AI量化实验室——2024量化投资的星辰大海