人工智能在量化交易中的应用初探

目前有越来越多的基金,无论是公募或私募,都在使用量化交易,而随着人工智能的不断发展,量化交易中的人工智能应用会是怎样?

笔者为此在网上寻找了一些资料:

“哪怕我们都死了,它也会继续交易”,人工智能正在改变股票交易。

今年1月Aidyia公司启动了一支对冲基金,其背后的系统借助了多种形式的人工智能技术,对各种数据进行分析,这些数据包括市场价格、成交量,以及宏观经济数据、企业会计凭证,然后系统自主做出市场预测,以“投票”的方式选出最佳行动步骤。

要成为赚钱的投资者,你需要正确的信息,你需要控制情绪做出合理地分析,并且对你的信息采取有效行动,你需要在正确的时机做出决定(timing)。 这是人类不如计算机的地方。

但机器决策也是有局限性的,最大的缺陷就是没有前瞻性,因为它是基于历史的数据和历史检验的结论,其逻辑是历史会重复。市场环境是不断变化的,长期看,要战胜市场必须具有前瞻性,这也是投资的艺术性所在。顶尖的基金管理人如巴菲特和索罗斯都是具有超强的前瞻性的。

国内,一些私募基金已经开始将人工智能的三个子领域:机器学习,自然语言处理,知识图谱 融入到自己的策略中,尝试获取收益。

AI阶段一:机器学习

在传统的投研中,分析员们对财务、交易数据进行建模,分析其中显著特征,利用回归分析等传统机器学习算法预测交易策略。

此外一种做法是,模仿专家的行为,选择某一领域的特定专家,复制他们的决策过程,并导入可重复的计算框架

AI阶段二:自然语言处理

人们发现仅仅从数字推测模型是不够的,开始考虑引入新闻,政策,社交网络中的丰富文本并运用自然语言处理技术分析,将非结构化数据结构化处理,并从中探寻影响市场变动的线索。

AI阶段三:知识图谱

知识图谱本质上是语义网络,是一种基于图的数据结构,根据专家设计的规则与不同种类的实体连接所组成的关系网络。知识图谱提供了从“关系”的角度去分析问题的能力。

在量化交易1.0版本,模型是“静态”的,因为交易策略是被事先编程的。举个例子,“动量策略”在一个时期内效果非常好,但在下一时期可能效果不佳。真正的智能机器会在市场进一步发展之前观察到市场异常,而且交易策略本身会随着信息的变化而动态变化。

新的进展来自于机器学习的应用,特别是深度学习。

推荐阅读更多精彩内容