最近刷到的量化技术圈几个有意思的点~

一、多智能体协作，感觉大家都在搞这个

近期在刷技术社区，发现不少人开始搞多Agent协作了。说白了就是不再只用一个模型干所有破事，而是整一堆小Agent各管一摊活。

大概架构：
1、数据层：三个Agent分别扒实时行情、读财报PDF、扫新闻舆情。
2、决策层：五个策略Agent各看各的，有的看趋势，有的猜波动率，有的找套利空间。
3、风控层：两个Agent管仓位和策略失效检测。
4、执行层：两个Agent负责拆单和滑点控制。

听说有私募已经拿这套跑了5000万实盘，震荡市跑赢基准19个点。但私募说的数据嘛，我觉得听听就好，别全信。

二、LSTM+强化学习，论文套路又来了

《Scientific Reports》上刚发了一篇，用LSTM给DQN做特征提取。思路挺朴实：先用LSTM从价格序列里抽点特征出来，然后用双均线做离散化，最后扔给DQN去学怎么买卖。

论文用A股三只票做了实验，说最高能涨16%以上。

不过这种论文套路见过太多了，回测好看实盘翻车概率不低。

三、个人量化系统选型，有人总结了一波

CSDN上有人写了个技术白皮书，大概意思是：

决策引擎：现在都不写死指标了（什么金叉死叉），搞多因子+环境识别，让系统自己判断现在是啥行情，动态切策略权重。

执行工具：

1、QMT：C++/Python混着写，全内存计算，追求极致的可以搞。
2、PTrade：放云端，如果你不想折腾服务器的话可以用这个。

PS：一个常见坑，决策和发单别串行搞，异步解耦一下，不然卡死了别怪没提醒。

写在最后
这样看起来传统单人模型的红利感觉吃得差不多了，现在大家都开始在往多Agent、强化学习、工程化自适应这几个方向卷了，要是后面有开源代码或者实盘数据了再细聊。