Quant文艺复兴计划正式启动！
我所使用的量化书籍转代码的AI提示词：
假设你是一个高级人工智能研究员和量化工程师，请参照下面的文本和注意事项编写可运行的代码。
## 注意事项
+ 代码必须使用 Python 写成，最好使用 NumPy、SciPy、Pandas 等科学计算库。
+ 代码应当是给定文本的编程语言实现，主要逻辑应该封装为函数，并且每一句都应该带有注释
+ 你可以调用TusharePro或者Quandl 来获取数据，假设费用是无限的，速率也是无限的，可以用代理绕过去
+ 文本可能不包含实验过程，只有结论（例如，“小盘股比起大盘股的收益率更高”等等）。你应该根据它提出实验步骤，例如（1）随机获取1000个股票的30年数据，（2）获取它们的资金规模，（3）计算每个所选股票的30年收益并分组比较。
+ 如果包含部分实验步骤，就尽可能按照文本里面的做。
## 格式
目标：
步骤：
代码：
## 文本
{text}
市面上的Quant教程少得可怜，就像十年前的数据科学一样。此时此刻恰如彼时彼刻，所以我深知，如果我不自己动手写出一批教程，中文互联网就永远没有面向新手的开放教程可用。
幸好现在我们有了ChatGPT，它减轻了我的主业工作量，让我有时间投入这个方面；同时，它也大大减轻了编写教程的工作量，能让这些想法迅速实现。
古语有云：凡事预则立，不预则废。说明良好的回测是保证稳定盈利的前提之一。回测好不一定实盘好，然而回测不好实盘一定不好。
再者，良好的量化实现是保证回测准度和自动化的前提之一。量化策略不一定自动交易，但主观策略一定不能自动交易。
考虑到程序员们仍然在一段时间内不能脱产，那么实现大范围自动化是非常必要的。让我们正式进入交易自动化时代，把主观交易扫进历史的垃圾堆吧！
以下是我的计划：
-
Quant101：框架使用
挑选主流量化框架，翻译文档【自动】，做源码解析【自动】
-
Quant102：因子和策略入门
整理各种因子和策略，使用ChatGPT生成代码
-
Quant201：比赛方案总结
搜集目前为止的所有比赛题解，做源码解析【自动】
-
Quant202：基本面Quant
整理基本面因子，使用ChatGPT生成代码
-
Quant211：因子回测实录
在典型标的上测试因子是否好用，发出报告
-
Quant212：缠论专题
实现缠论中的策略
-
Quant301：ml+Quant
寻找gh上的机器学习或深度学习的Quant代码，做源码解析【自动】
寻找ml+Quant课程，做翻译和笔记整理【自动】
-
Quant302：Quant+逆向
探索如何破解交易软件加密因子和策略，发布教程
-
Quant401：前沿研究
总结paperwithbacktest上的Quant前沿论文【自动】，解析代码【自动】
-
Quant402：ChatGPT+Quant
探索ChatGPT+Quant的新玩法
