经过这段时间的思考与构思，一个基于基金与指数的"AI量化投资平台”的思路基本成型。

主动型基金，以长期持有“固收+”组合为准，期望不低于10%的长期年化收益。被动型基金，以定投低估值的优质指数型基金（宽基+优质行业型、策略型基金），期望不低于12%的年化收益。

另外以分析指数为主，以场内ETF或场外联接基金为标的，以统计学、机器学习技术为工具，挑战不低于年化20%的投资收益。

之前过于强调回测，认为策略就是回测拿到结果，事实上这是错的。这个过程有点像“凑”数，对于投资过程没有实质的认知提升与帮助。投资是科学与艺术的结合体，更应该拆开来看，不要试图去建造一个“黑盒子“。

所以，一个可以辅助我们投资分析，提升投资效率的自动化平台构架就成为基础工具。

由于是投资研究，对于界面与可视化是有要求的。之前也做过分析，在thinter，wxpython与pyQT5之间，我们强烈推wxPython。它的功能比thinter全，但易用性相当，pyQT5功能强大，但是使用上不够pythonic，更像是一个C++版本的外挂。

一、数据加载之后，做指标计算，然后可视化。

二、时间序列分析。

三、因子分析。

四、策略构建与回测。

五、策略改进。

今天说说wxPython的基本使用情况。

wx.Frame是GUI程序里容器的概念，有菜单，有工具栏，任务栏等。

在窗体上，需要确定控件排布规则，自动对齐的控件有两个方向的BoxSizer。水平对齐：

#创建水平boxsizer，并设置为平铺到整个窗口 self.boxH = wx.BoxSizer(wx.HORIZONTAL) self.SetSizer(self.boxH)

主窗体中间，我们需要放置一个多Tabs，在wxPython里有一个控件叫Notebook。

self.tabs = wx.Notebook(self) self.boxH.Add(self.tabs,-1, wx.ALL | wx.EXPAND) self.tabs.AddPage(PageTimeSeries(self.tabs),'时间序列分析')

notebook里的控件可以使用wx.Panel作为容器。

import wx class PageTimeSeries(wx.Panel): def __init__(self, parent): wx.Panel.__init__(self, parent)

多个时间序列，最基础的可视化，到年化收益，风险指标，相关性，年度收益的分析。

涉及多个指数，可以看出指数随时间变化的趋势，历史风险收益情况等。

现在可以开始做时间序列分析，我们使用的库是statsmodels。

statsmodels是一个Python软件包，为scipy提供了补充，以进行统计计算，包括描述性统计以及统计模型的估计和推断。

比较scikit-learn来看，statsmodels更关注统计推断，提供不确定估计和参数p-value。相反的，scikit-learn注重预测。其实是统计学与机器学习是两个不同的方向。

明天继续。

(公众号： 七年实现财富自由（ailabx），思想者，行动派；用数字说基金，用基金做投资组合，践行财富自由之路)