第133章 投资系统升级（1 / 2）
请关闭浏览器的阅读/畅读/小说模式并且关闭广告屏蔽过滤功能，避免出现内容无法显示或者段落错乱。
周二清晨，鹏城南山区的阳光透过百叶窗，在书房的地板上切割出明暗相间的条纹。林晨坐在电脑前，左手边是半杯早已冷却的美式咖啡，右手边的屏幕上闪烁着复杂的代码。
距离T厂HR承诺的“最晚周二中午前出结果”，还有三个小时。
他没有干等。等待的焦虑反而转化成了专注的能量——与其盯着时钟一分一秒地煎熬，不如把这段时间变成技术打磨的宝贵窗口。
投资系统昨晚又完成了一轮交易。林晨打开账户管理后台，最新净值曲线平稳向上，过去一周的累计收益率达到了3.2%。对于一个全自动运行、风险严格控制的多市场量化策略来说，这个数字已经相当可观。
但林晨盯着仓位管理模块的日志，眉头微微皱起。
“问题出在仓位调整上。”他自言自语，手指在键盘上敲击着调出详细交易记录，“系统识别到了黄金期货的趋势突破信号，但加仓速度太保守了。”
日志显示，系统在确认趋势后的六个交易小时内，分三次将仓位从初始的5%提升到15%。而根据林晨手动回测的经验，在那种明确的多头行情中，完全可以在确认信号后的第一个小时就加到12%，第二个小时达到20%上限。
“还是太机械了。”林晨靠在椅背上，望着窗外腾讯大厦的玻璃幕墙，“固定的仓位调整规则，没法适应不同市场、不同波动率环境下的最优策略。”
这个发现让他既兴奋又紧迫。兴奋是因为找到了明确的优化方向，紧迫是因为他知道，如果现在不解决这个问题，等真正入职T厂开始高强度工作后，这个个人项目很可能会被搁置。
他点开手机，给张伟发了条微信：“老张，强化学习在量化仓位管理上有成熟案例吗？”
几分钟后，张伟的电话直接打了过来。
“你小子还真是不闲着啊。”张伟的声音带着晨起的沙哑，“等offer的当口还在折腾系统？”
“总比干等强。”林晨笑了笑，“你了解这块吗？”
“略知一二。华尔街那边几年前就开始用DRL（深度强化学习）做动态仓位管理了，不过大部分是高频策略。你想做的是中低频吧？”
“对，日级别到小时级别的调仓。”
“那可以试试DQN（深度Q网络）或者PPO（近端策略优化）。”张伟显然对这个话题很感兴趣，“关键是要设计好状态空间、动作空间和奖励函数。状态得包括市场数据、技术指标、账户信息；动作就是加减仓的幅度；奖励函数嘛……夏普比率？最大回撤控制？”
“我正在想这个。”林晨快速记录着，“如果只用夏普比率，系统可能会过度追求低波动而错失大行情。”
“那就复合指标。夏普比率占60%，年化收益占30%，最大回撤占10%——权重你自己调。对了，训练数据要足够长，至少覆盖两轮牛熊周期。”
挂断电话后，林晨的思路清晰了许多。他重新打开PyTorch，新建了一个名为“rl_portfolio_anager”的文件夹。
上午九点半，A股开盘。林晨将系统切换到观察模式，自己则开始搭建强化学习框架。
第一步是定义状态空间。他整合了二十多个维度的数据：标的资产的当前价格、20日移动平均线、布林带宽度、RSI强弱指标、成交量变化率……还包括账户层面的信息，如当前仓位比例、浮动盈亏、可用资金等。
“状态向量长度……87维。”林晨敲下确认键，“够用了。”
动作空间相对简单：从空仓到满仓，按5%的步长划分，共21个离散动作。奖励函数则按照张伟的建议，采用复合指标，但林晨调整了权重——他更看重收益风险比，所以将夏普比率的权重提高到70%。
架构搭好，接下来是训练数据。林晨调取了系统过去两年的历史回测数据，涵盖A股、商品期货、黄金ETF和外汇市场，总计超过五十万条分钟级别的K线记录。
“开始训练。”
他按下回车键，屏幕上的命令行窗口开始滚动数字。GPU占用率瞬间飙升到98%，风扇发出轻微的嗡鸣声。
等待训练结果的时间变得异常缓慢。林晨起身续了杯咖啡，站在窗前俯瞰南山科技园的车流。早高峰已过，深南大道上的车辆依然川流不息，每一辆车里都载着一个正在奔赴各自战场的人。
↑返回顶部↑