返回首页
量化投资,高频交易,程序化交易学习必备~900+个(200G+)培训视频持续更新中!!!

【日常科普】人工智能如何应用到量化投资?

时间:2018-04-24 08:43来源:未知 作者:一个量化投资者 点击:
随着科技的发展,人工智能已经逐步的应用到我们生活的各个方面。大家应该还记得AlphaGo打败韩国围棋选手李世石的新闻。在2017年AlphaGoZero更是在无人工输入指令,仅通过自我学习的方式打败了曾经名声大噪的AlphaGo,不难看出人工智能的发展速度是相当快的。

随着科技的发展,人工智能已经逐步的应用到我们生活的各个方面。大家应该还记得AlphaGo打败韩国围棋选手李世石的新闻。在2017年AlphaGoZero更是在无人工输入指令,仅通过自我学习的方式打败了曾经名声大噪的AlphaGo,不难看出人工智能的发展速度是相当快的。那么人工智能对于量化投资来说又能带来哪些影响呢?

 
目前人工智能虽然与量化投资的结合尚在初期阶段,但是二者正在逐步紧密联系。人工智能在量化投资领域可以有很多应用的地方。例如,近期的研究者发现A股市场中的反转因子在最近的十几年内表现出单调性,因此以现行模型为主的量化多因子体系的有效性会相对较高。但是盈利因子中体现出的非单调性按照传统框架就很难被纳入。人工智能机器学习没有线性约束,所以可以帮助投资者很好的解决这方面的问题。
人工智能在量化投资中的应用
我们都知道量化投资一般是研究历史数据中的某个因子的表现。虽然我们会采用多因子来多统计指标,但是在时间序列层面上来说,历史数据只会展开一次。这迫使模型不得不表现相对固化和静态化,简单而言就是没有延展性。在2016年反转因子非常有效,但是由于持续回撤的出现2016年6月左右开始出现反转因子失效的状况,并且反转因子模型很难对这种情况做出适应。这个例子体现出了传统量化投资方式的静态局限性。
 
人工智能在这方便就表现的非常有优势。人工智能可以通过机器学习打破模型的静态化和固化。并可以通过市场的信息和不断学习实现参数和因子的调整。这样就可以适应投资者结构改变或者监管环境发生变化而引发的市场结构的变化。
 
纪律性是量化投资区别于传统投资的最明显特点,量化投资的纪律性能够降低投资者主观判断对投资造成的影响。量化投资理念的基础就是相信市场历史规律的可持续性,所以就本身量化模型因子的选择和历史回溯判断而言就是带有一定程度的主观特性。但是我们也知道,当市场特征发生改变,这种掺有主观判断的投资方式往往会因为其严谨的纪律性而失败。人工智能有着超级强的学习能力,可以根据市场形势快速的对行情做出反应,且能够较快的适应市场。这样就可以帮助量化投资解决只有在遇到大幅度回撤之后,才开始调整和完善模型的尴尬。
 
但事物均有两面性,虽然人工智能可以在各个方面帮助我们进行投资。但是相对于传统的量化模型来说,人工智能模型的投资逻辑性更弱。一旦人工智能机器学习模型进入实际操作,那么如果没有投资逻辑的人工智能模型遇到了问题,那么模型的开发者又该如何去处理呢?这些问题都有待专业的开发人员去解决。
 
技术热点、行业资讯,教学视频,尽在程序化交易者与量化投资官方微信,低成本传递高端知识!好技术成就致富梦想!欢迎关注!
 
打开微信,轻松扫一扫,即刻关注程序化交易者与量化投资官方 
微信公众号
 
,不容错过的精彩,期待您的体验!!!
 
【量化投资有声读书系列】超级金钱—第一章(4-1)
(责任编辑:一个量化投资者)
量化投资,高频交易,程序化交易学习必备~900+个(200G+)培训视频持续更新中!!!
------分隔线----------------------------
云量化商城
如果您会开发策略,请进!大量项目等待与您合作!
推荐内容
量化投资培训