策略建模流程梳理

最近看了印度友人关于建模的书，趁着思考还热乎，赶紧记下来：

期货PV行情落地、清洗；带时间戳的alternative数据（概指价量数据之外的数据）落地、清洗。两类数据按时间戳对齐，入数据库。要用的时候生成raw data的dataframe——这一步主要是力气活，对不同类别的数据，需要不同的dbClean脚本。

利用feature tools库，或者看论文总结各类因子，写成函数，给原始数据dataframe添加pd.assign(factor=column.map(function))——这一步代码不复杂，体现的是对市场逻辑的理解，因子库的更新是最需要长期精进、某种意义也是最重要的过程。

从sklearn中选定回归或者分类模型，挑选因子，划分train和test集，对收益率进行预测，解读预测效果和优化参数——侧重模型经济意义上的可解释性，要求一定的数学能力（概率统计为主）。

策略模型落到实盘，因为实盘情景是事件驱动，需要把开平仓信号代码尽可能写简洁，最简单的if_then即可，不要函数套函数，以免踩坑。