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!!!

人工智能在量化投资中的应用

时间:2017-06-28 08:54来源:未知 作者:丘处机 点击:
人们试图通过对金融数据的长期观察找到其运行规律,但金融数据量大而庞杂,虽然有些人能通过观察形成一些高超的见解,但是在数据量如此大的情况下,大多数时候,大多数人都会处于一种混乱的状态,特别是在这些数据呈现出高维状态的时候。市场指标的出现也就是

  人们试图通过对金融数据的长期观察找到其运行规律,但金融数据量大而庞杂,虽然有些人能通过观察形成一些高超的见解,但是在数据量如此大的情况下,大多数时候,大多数人都会处于一种混乱的状态,特别是在这些数据呈现出高维状态的时候。市场指标的出现也就是为了帮助我们能简化这些金融数据,便于我们的理解。

  

人工智能形象图片

 

  基于统计学的人工智能技术能够帮助我们处理这些庞大的数据。其实很多人工智能的算法都是很简单的,但它能够在一定程度上处理大量的、高维的数据,帮助我们获得一种新的理解。

  其实,人工智能在我们生活中的应用十分普遍,我们每天都在使用的搜索引擎就是比较典型的例子,另外,我们手机和电脑上的输入法也是,这些人工智能技术的使用为我们的生活带来很大的便利。

  将人工智能应用于量化投资兴起于上世纪90年代,其中,神经网络和遗传算法是诸多人工智能算法中应用的最早的,直到现在,每年还有很多关于神经网络和遗传算法在交易中应用的论文在不断发表。下面我们简单介绍一下这两种算法:

  

人工智能应用于量化投资中的图片

 

  1.人工神经网络

  很多人把人工神经网络等同于人工智能,事实上人工神经网络只是人工智能算法中的一种,人工智能所包含的范围远大于神经网络。人工神经网络与我们自然界中的神经网络类似,数学函数就相当于一个个神经元,组成具有思维能力的神经网络。

  2.遗传算法

  遗传算法不同于其他人工智能算法,它实际上是一种优化算法。而其他人工智能算法都是侧重于归类,就像我们在日常生活中,总是习惯于将要处理的事情先进行归类,然后再采用相应的处理办法。交易在很大程度上就是一个归类的过程,因为交易就是要判断涨还是跌,风险大还是小,而遗传算法则类似退火算法,是一种不同于归类的优化算法。

  

量化投资与人工智能的关系图片

 

 

  遗传算法是由约翰霍兰德在上世纪60年代创造的,在随后的十年间不断地得到完善。遗传算法的基本思想就是模拟自然界中的优胜劣汰。在遗传算法中,元素对应自然界中的元素,要解决的问题对应环境,而问题的解对应生物个体,自然界中生物个体的数量不止一个,相应的在遗传算法中,问题的解也不止一个。同样的,不同解解决问题的能力也不同。将遗传算法应用到交易中时,市场数据的环境变化就相当于“自然环境”,每种交易策略都相当于生物个体,如果这个交易策略适应市场,那么就对应着这个生物个体适应自然环境。判断量化投资交易策略是否适应市场,有很多种标准,比如,夏普比率等。遗传算法的优胜劣汰是通过“基因”的复制和重组来完成的。也就是说,遗传算法将问题的解拆分成一个个基因,如果一个解法解决问题的能力很强,那么这个解法的基因就很容易传下去,反之则不然。除此之外,遗传算法中还有“基因变异”的功能,这个功能的好处就在于在进化过程中能够产生原来没有的、新的能够解决好问题的“基因”。

(责任编辑:admin)
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