聲明：本文已授權(quán)公眾號「AI極客研修站」獨(dú)家發(fā)布
和大家聊聊量化交易，以及人工智能可以在量化交易上的應(yīng)用。我們程序員還是應(yīng)該懂點(diǎn)金融知識的。
通俗的說說交易相關(guān)的基礎(chǔ)知識
首先跟大家聊聊交易。股票大家應(yīng)該了解過，股票這種投資方式相比于理財(cái)產(chǎn)品一類收益要大很多，當(dāng)然風(fēng)險(xiǎn)也會(huì)高很多，這個(gè)大家都懂。實(shí)際上市場上除了股票，還有期貨、現(xiàn)貨、外匯這類市場。
我們國內(nèi)的股票市場玩起來實(shí)際上有一定的局限性，只能買漲不能買跌。除非你是一個(gè)精明的短線高手，在行情不好的時(shí)候，大多數(shù)持倉的人都是在虧錢。不僅如此，國內(nèi)的股票也有漲跌幅的上限，像比特幣市場這種動(dòng)輒一天百分之4，50漲幅這種刺激的情況是不會(huì)有的。
在國外股票市場或者類似于外匯市場這樣的盤口，你不僅可以買漲，還能買跌，意思是即使你持倉的股票價(jià)格在跌，你卻能賺到對應(yīng)差值的錢。如沒接觸過這方面的同學(xué)可能不太好理解，我簡單的說一下原理。
像我國股票市場那種買漲的形式，我花1000塊，買了1手股票，就相當(dāng)于我持有了這個(gè)股票，跟倒賣商品一樣，等到漲價(jià)了，我把它賣出去，自然是能賺錢的。這個(gè)好理解。
那么買跌又是咋回事呢。我們可以把這種形式理解為一種契約關(guān)系。打個(gè)比方，比如黃金現(xiàn)價(jià)1千克20萬，我看跌黃金，現(xiàn)在我向交易所提交一個(gè)合約，合約上寫著：我，小之，黃金看跌，買跌一手！
然后交易所給我看著年輕的我，也給了我一張合約，這張合約代表的就是一公斤黃金現(xiàn)貨。我拿著這個(gè)合約，到市場上賣了，這樣，我手上就有了一公斤黃金在當(dāng)前價(jià)格下的錢了，也就是20萬現(xiàn)金。等到價(jià)格跌下去，比如跌到了18萬一公斤黃金，我再把這一公斤黃金買回來還給交易所，那這中間的2萬差價(jià)就是我賺的錢了。可能具體形式有所區(qū)別，但大概可以這么理解吧，專業(yè)人士見笑了。
外匯或者是現(xiàn)貨這種市場還有一個(gè)特別好玩的東西，那就是杠桿。杠桿這玩意特別刺激，像剛剛說的黃金，咱買一手要20萬，這實(shí)在不是一般人能玩的起的東西，這時(shí)候杠桿就起作用了。比如某個(gè)市場黃金的杠桿是200倍，那么一手20萬的黃金，現(xiàn)在你只需要花1000塊就可以買過來玩了。當(dāng)然，這漲跌的時(shí)候盈利或者虧損的錢，還是按照之前的來，1000塊與20萬之間的差值，還是交易所借給你的。
現(xiàn)在你是用杠桿來進(jìn)入這個(gè)游戲的，那么你是有可能完全把你本錢給虧光的，你投入了1000塊，是完全可能虧損到大于1000塊直至爆倉的，當(dāng)然，你也有可能在很短的時(shí)間賺了幾倍的錢。那么交易所為了保證自己不虧錢，它就會(huì)通過某種公式設(shè)置一個(gè)虧損上限，如果你虧到一定數(shù)目，它是會(huì)強(qiáng)制的幫你平倉的。
這個(gè)杠桿有多刺激，給大家打個(gè)比方就知道了。比如我們在國內(nèi)股票做交易，你1000塊的本錢，到頂漲停了，也就賺個(gè)100塊，10%的盈利率是吧(不包括打新股情況)。那么在有杠桿的市場是啥情況呢，1000塊的本錢，在200倍杠桿下，如果今天漲了10%，盈利率是2000%，直接翻了20倍！！當(dāng)然，你也有可能一下虧個(gè)20倍導(dǎo)致褲子都虧沒了。而且這些事情全部發(fā)生在轉(zhuǎn)瞬之間，盤面上一個(gè)點(diǎn)位的波動(dòng)，你都得在心中先乘上200再說。所以我之前看有個(gè)朋友做這種盤，他的收益浮動(dòng)就是一下+1000，一下-1000的跳動(dòng)，我覺得我沒這個(gè)心理素質(zhì)玩這個(gè)...
更更刺激的是，像外匯這種盤，是全天都可以隨時(shí)交易的。不像我國的股票，每個(gè)半天只有2個(gè)小時(shí)左右的交易時(shí)間，并且今日購買的股票，第二天才能交易，無法進(jìn)行日內(nèi)交易。
量化交易
從上面有關(guān)交易的內(nèi)容中，我們可以看出，如果我們是自己人工來做交易，往往會(huì)有很多問題。
首先我們?nèi)耸怯星榫w波動(dòng)的，在交易的過程中，會(huì)有一些非理性的決策。即便你是分析師，或者你跟隨一位強(qiáng)力分析師來做交易，也不可避免的遇到這些問題。面對波動(dòng)，你眼睜睜看著自己的口袋慢慢變扁，即便你可能認(rèn)識到這種波動(dòng)是一種正常現(xiàn)象，也有可能忍不住自己的雙手含淚割肉。等你回過頭再看這些波動(dòng)的情況才意識到這只不過是大驅(qū)使下的小小調(diào)節(jié)，而自己就被這種小小的變化給打敗了，隨即懊惱不已，追悔莫及，心里暗暗下定決心，下波翻盤！
然后以此循環(huán)。
我們做人工操作，還有一個(gè)極常見的問題，就是容易跟風(fēng)，所謂遇漲買漲，見跌割肉，大概就是虧錢的少俠們交易的常態(tài)了。
那我們的量化交易，就是一種可以避免這些人為劣勢的投資方法了。量化交易通過先進(jìn)的數(shù)學(xué)模型，利用計(jì)算機(jī)技術(shù)從龐大的歷史數(shù)據(jù)中海選出能帶來超額收益的多種「大概率」事件，利用這些事件制定策略，自動(dòng)的完成交易。
上面那些東西是從百度百科抄的，我還是用自己的話來解釋下。首先，量化交易可以理解為一個(gè)自動(dòng)化交易程序，這個(gè)程序分三個(gè)流程：輸入策略，執(zhí)行策略，輸出結(jié)果。
策略比較好理解，比如我覺得這只股票在漲了兩天之后，必然會(huì)跌！這就是一個(gè)策略，我通過算法來實(shí)現(xiàn)，每當(dāng)遇到連續(xù)漲了兩天的情況后，我就認(rèn)為這是一個(gè)跌的信號，我可以進(jìn)行一些賣出操作。可以理解為我這套量化交易程序的交易規(guī)則。
執(zhí)行策略就是把這些策略接入到交易平臺上，然后投放到市場上，讓程序自動(dòng)的為我們完成交易，每當(dāng)市場達(dá)到了我們提前設(shè)置好的規(guī)則后，就會(huì)自動(dòng)的進(jìn)行市場交易操作。
那么，當(dāng)我們通過量化交易在市場上執(zhí)行了一段時(shí)間，或者通過把程序在歷史數(shù)據(jù)上跑了一段時(shí)間后，我們最終獲得的收益率或者其他的一些收益指標(biāo)，就是我們的結(jié)果了。當(dāng)然你賺的越多，自然這個(gè)策略可能在這個(gè)時(shí)間段就會(huì)越好。
而且我們通過量化交易來做市場，基本可以避免我們?nèi)藶椴僮髂切┲饔^情緒上的問題，不管市場怎么變動(dòng)，機(jī)器是不會(huì)覺得樂觀或者悲觀的，它只知道規(guī)則和條件，達(dá)不到買入條件，你漲的天花亂墜蛇皮棒棒高，它都不會(huì)有任何的心里波動(dòng)和買入動(dòng)作。
量化交易這么好，是不是用了就賺錢？顯然沒有這么好的事咯，我們繼續(xù)分析分析。
人工智能與量化交易
人工智能在量化交易中的應(yīng)用可以算個(gè)升華。常規(guī)的量化交易在金融公司可能是這么個(gè)形式，比如一個(gè)金融分析師，配一個(gè)程序員，分析師出策略，程序員把策略以代碼形式實(shí)現(xiàn)，接入到交易程序里(當(dāng)然，我聽說現(xiàn)在的分析師自己要會(huì)寫代碼了)。這里的策略是分析師自己設(shè)計(jì)的，實(shí)際上還是一種主觀策略。
人工智能就是機(jī)器自己生成這種策略，通過歷史數(shù)據(jù)，來自動(dòng)生成策略的模型。實(shí)際上這就是人工智能在量化交易中應(yīng)用范圍了。現(xiàn)在很多的智能投資顧問機(jī)器人，就是這樣的。
但實(shí)際上，不管是人工輸入策略還是人工智能自動(dòng)生成的策略模型，都無法解決量化交易本身的一些弊端和風(fēng)險(xiǎn)。這就是我們上一節(jié)最后的問題了，我在這里說一下自己的理解。
量化交易的策略，總歸是根據(jù)歷史數(shù)據(jù)來總結(jié)的，但不論是股票還是外匯、現(xiàn)貨，他們都有一個(gè)特點(diǎn)，就是其當(dāng)前的價(jià)格并不一定對應(yīng)于目前的價(jià)值水平，而是對該公司或者品種未來預(yù)期價(jià)值的一個(gè)定量。所以，我們預(yù)測價(jià)格，看的是它的預(yù)期，歷史數(shù)據(jù)對未來價(jià)格的影響可能是不大的，它并不存在「預(yù)期」這樣的未知信息。
比如黃金價(jià)格是和美元有一定掛鉤的，如果美元大漲了，黃金可能就會(huì)跌。如果特朗普某次說了一句話，頒布了一個(gè)政策，大家預(yù)期美國的經(jīng)濟(jì)形式會(huì)變好，那么美元就會(huì)漲，黃金就會(huì)跌。但美國在政策發(fā)布的時(shí)候，經(jīng)濟(jì)并沒有瞬間變好，這就是預(yù)期的價(jià)值，顯然，歷史數(shù)據(jù)上看不到這些。
那么我們的策略模型，跑到歷史數(shù)據(jù)上，可能收益很高，但真實(shí)數(shù)據(jù)跑下來，可能就不是這么一回事了，這就是一個(gè)過擬合問題，在量化交易中是一個(gè)比較嚴(yán)重和常見的問題，也是要主要解決的問題之一。
還有一個(gè)問題就是，策略的回測結(jié)果，往往是跑在一個(gè)較長的時(shí)間周期上的，用我這個(gè)策略跑一年，你就能月入百萬此類。不過，這個(gè)過程中，雖然總體是賺錢的，但短線的一些回撤，會(huì)有扛不住而爆倉的情況，這是隱藏的一些風(fēng)險(xiǎn)。
這兩個(gè)問題對于人工智能產(chǎn)生的策略上，可能會(huì)更加突出一點(diǎn)，因?yàn)闄C(jī)器學(xué)習(xí)模型就是用已有數(shù)據(jù)作為訓(xùn)練標(biāo)本來對未來預(yù)測的，它很有可能有過擬合的情況。
而且特征的選取也非常的復(fù)雜，在股市上，影響股價(jià)的因素不僅僅是歷史股價(jià)了，公司的近況，股民的樂觀程度，政策以及莊家的心情等等。特征在量化交易上一定是個(gè)大學(xué)問，耗時(shí)耗力。價(jià)格預(yù)測的模型會(huì)非常復(fù)雜。
而且金融領(lǐng)域和別的領(lǐng)域有一些不同，人工智能在別的領(lǐng)域，你可能可以選取一些解釋性不高的方式來生成模型，比如像 AlphaGo 下圍棋，它雖然棋力驚人，但你要問它你為啥下這步棋，它說不出來。但在金融上就完全不能這樣了，預(yù)測的可解釋性至關(guān)重要，所以可以嘗試比如決策樹、SVM和樸素貝葉斯這類解釋性比較強(qiáng)的算法來進(jìn)行價(jià)格預(yù)測。
總結(jié)
可能讀到這里，你可能就會(huì)問了，既然歷史數(shù)據(jù)意義有限，感覺量化交易和人工智能，在交易上并沒有什么卵用啊。實(shí)際上也并非如此，華爾街那么多公司已經(jīng)在做的事顯然不會(huì)是毫無價(jià)值的。
用人工智能分析歷史數(shù)據(jù)和曾經(jīng)發(fā)生的那些消息面，機(jī)器是可以分析和總結(jié)出規(guī)律的，當(dāng)有新消息發(fā)布的時(shí)候，相比于人類，機(jī)器能夠?qū)ο⒃斐傻挠绊懽龀龈该汀⒏硇浴⒏娴呐袛啵瑱C(jī)器能夠?qū)?shù)據(jù)進(jìn)行加工整合，通過這些判斷來指導(dǎo)人們進(jìn)行價(jià)格分析，這就是它的意義所在。
而且這個(gè)意義非常重大。
有點(diǎn)長，能看完這篇文章的都是真愛，之后的文章我將具體用代碼實(shí)戰(zhàn)一些量化策略和機(jī)器學(xué)習(xí)價(jià)格預(yù)測。
推薦閱讀
