Weekly meeting of financial

本月计划：

刘荣

最后输出形式：

• 1. 形成一个策略组合的框架，进行组合优化，输出买入卖出信号
• 2. 优化的函数为收益率和风险的结合
• 3. 制定策略组合的的接口形式，方便各种策略的接入。

具体算法步骤：

• 一 策略组合

   1.1  利用遗传算法进行参数优化：（1周）
         单个经典策略的参数：经典策略中的参数优化
         多个策略的简单组合：多个策略的简单组合优化，线性相加
   1.2 遗传算法中多策略的组合变异：（1周）
         利用函数表达式进行组合变异
   1.3 尝试不同的变异和组合方式：（1周，暂定）
   1.4 综合考虑遗传算法的性能，可能需要考虑其它智能算法。（后续工作）

于洋

最后输出形式：

• 实现RNN-LSTM做金融预测，输出买入卖出信号，得到策略的累积收益率

具体算法步骤： 一 策略组合

   1.1 实现RNN-LSTM预测金融数据（到9月6号）
   1.2 将预测值转化为合理的买入卖出信号，并加入止损模块（到9月13号）
   1.3 修改cost fuction及其他算法相关，实现更准确地预测（到9月20号）
   1.4 最后的优化，绘制累积收益图（到9月27号）

志浩

本月计划： 最后输出形式：

• 1 和唐辉一起讲因子库的数据处理完毕。
• 2 将齐军师兄的算法应用的因子评价体系和因子特征集筛选体系当中。
• 3 根据因子评价结果建立多因子的阿尔法选股策略。
• 4 选股完成后尝试将择时应用到策略中，充分利用beta收益

具体步骤：

• 1 数据从通联上收集，导入到SQL数据库当中。
• 2 齐军师兄的三种算法包括lasso等。

以上需要两周左右，后续工作可能快些，具体的要看数据的获取速度

唐辉

本月计划： 目的：

• 1 获取更多的因子数据。并且和期货，股票的数据一样能够自动更新
• 2 实现选股策略，并且能够每天运行
• 3 了解和测试更多的类似通联的期货和股票交易平台

具体过程：

• 1 获取多因子数据。并提高获取数据的稳定性（1周）
• 2 完成选股策略，并且每天都能自动运行(1周)
• 3 调研国内外相关的平台和把通联的数据分类（1周）