遗传算法整合talib技术分析算子做因子挖掘，比如ADX, 阿隆指标等

news2024/9/21 14:34:50

“ 原创内容第631篇，专注量化投资、个人成长与财富自由”

七年实现财富自由

七年，经过十万小时刻意练习，足矣在任何领域成为专家。七年，成为自己的财富管理专家。七年，实现财富自由。

1512篇原创内容

公众号

星球本周重点计划如下：

遗传算法整合talib技术分析算子，比如CCI, 阿隆指标等。

通过大模型生成遗传算法的初代因子。

—

技术指标与遗传算法因子挖掘

传统技术分析有图表分析，模式识别和技术指标。

图表分析主要是K线上，模式识别如“头肩顶”，“五浪“之类的。

这两者有一个缺点，就是主观性较强。

同一个模式，不同的人看，结果可能不同，这种就不好量化。

技术指标相对更加客观和可量化。

技术指标本身也是因子函数。

封装talib的代码比较简单，主要就是调用相应的函数：

@calc_by_symbol
def ta_dema(X, d):
    X.ffill(inplace=True)
    y = talib.DEMA(X, d)
    return y


@calc_by_symbol
def ta_ma(X, d):
    X.ffill(inplace=True)
    y = talib.MA(X, d)
    return y


@calc_by_symbol
def ta_kama(X, d):
    X.ffill(inplace=True)
    y = talib.KAMA(X, d)
    return y


@calc_by_symbol
def ta_ema(X, d):
    X.ffill(inplace=True)
    y = talib.EMA(X, d)
    return y


@calc_by_symbol
def ta_linearreg_angle(X, d):
    X.ffill(inplace=True)
    y = talib.LINEARREG_ANGLE(X, d)
    return y


@calc_by_symbol
def ta_linearreg_slope(X, d):
    X.ffill(inplace=True)
    y = talib.LINEARREG_SLOPE(X, d)
    return y


@calc_by_symbol
def ta_linearreg_intercept(X, d):
    X.ffill(inplace=True)
    y = talib.LINEARREG_INTERCEPT(X, d)
    return y


@calc_by_symbol
def ta_midpoint(X, d):
    X.ffill(inplace=True)
    y = talib.MIDPOINT(X, d)
    return y

注意参数个数需要对齐：

比如ts_beta是双序列的，需要搁到binary_rolling.py这个文件里

@calc_by_symbol
def ts_beta(x, y, d):
    x.ffill(inplace=True)
    y.ffill(inplace=True)
    z = talib.BETA(x, y, d)
    return z

加上技术指标之后的因子挖掘结果：

另外还有几个指标：

比如AROONOSC，也是两个序列参数，但这个序列是确定的（high, low），这就不能让遗传直接生成。

给遗传算法的格式，应该是无序列参数，但有一个rolling容器参数d。

比如ta_arronosc(d：int)

def add_period_ops(pset):
    from datafeed.expr_functions import expr_period_only
    for func in expr_period_only:
        pset.addPrimitive(dummy, [int], Expr, name=func)

中间需要做一个转换：

if 'ta_aroonosc' in f:
    pattern = r'ta_aroonosc\((\d+)\)'
    # 替换函数，将匹配的数字替换为high,low,数字
    replacement = r'ta_aroonosc(high,low,\1)'
    # 执行替换
    new_string = re.sub(pattern, replacement, f)

    new_features.append(new_string)

这样把表达式改写成确定的：

@calc_by_symbol
def ta_aroonosc(high, low, d):
    high.ffill(inplace=True)
    low.ffill(inplace=True)
    ret = talib.AROONOSC(high, low, d)
    return ret

运行正常：