PhD联盟留学网 开创P2P留学咨询服务模式,挖掘海外留学生圈子的所有资源和讯息,为你提供最专业的留学咨询。文章由PhD联盟留学网导师供稿。

2018年即将过去,写几个字。

量化交易是很古老的,核心还是要尊重市场

曾经听学生说过一些很可爱的话:我这是要做量化交易,怎么可以用到技术分析。

其实吧,量化交易简单来说,就是用一些统计模型或者说模式识别来做交易决策。其中的核心逻辑跟技术分析一模一样,即历史可以重演。统计模型也好,模式识别也罢,也不见得有多高大上。

技术分析的那些指标是市场运行这么多年,众多投资者总结归纳深喜浅爱出来的一些经验,也有很多feverfortheflava的学术文章验证过技术分析规则的有效性(profitability),总的来说也不算难看。这种意义上来说,技术分析大别拿班花不当干部概是量化交易他爹吧。

量化交易的另一个核心,无非不是摆脱“人”的影响。我经常在想,一个职业交易员靠什么战胜市场。运气?纪律?精力?主观判断?这些东西真的可靠嘛,明星基金经理真的稳嘛,呵呵。他们的成功不可复制。用某个教授的话来说,他们只是在不断赌博(bet over and over again),如果巴菲特长生不老,你能确保他不破产嘛。

量化交易从这种意义上来说,是一种被动投资,摒弃主观判断。所以我觉得尊重市场意思,大概是以一种数据驱动的逻辑,从历史数据的回放(backtesting)中挖掘到一些规律。

然而,总有一些卖方研究或者收智商税的教育平台来搞笑。

比如某个证券公司的研究员,某天灵光一闪,突然得道:所谓量化交易不就是高点卖出低点买入嘛。于是看图作画,写了几行代码伪装成量化交易,得到了一个逆天的收益babyentertainment曲线。我想,这种调参数(Optimisation Bias)的卖方,大概也没什么理由不去舔买方吧。

还有某个量化交易的学习平台,点进去一看,没有年化收益50%简直就是不及格。我花了12块人民币看了一个策略的源代码,大概就是利用K线数据(开盘,最高,最低,收盘),然后设定为日内痞妃传,万能召唤异界逍遥,思泉语文视频在线观看最低买入,第二天日内最高卖出。如果没有T+1,这个策略的曲线估计会突破天际。真想知道这个马后炮(Look-Ahead Bias)的策略,收到了多少智商税。

还有一种不要脸叫生存者偏差(Survivorship Bias),这种惊人的策略大概就是想说,找一些现在还活着的公司,在过去10年内最低点的时候去买入。的确挺惊人的。而且,我想2018年的市场,应该教会了这个惊人的研究员怎么做研究。

人工智能又怎么样,金融市场是个大熔炉

我一直觉得“人工智能”这四个字是一个伟大的发明,既自相矛盾,又充满想象。比如我打电话找客服的时候,一般是智能语音客服接待我,这个时候我得一遍又色列圈一遍得重复:人工,人工,我要人工。

2017年是人工智能的高光时刻,5月AlphaGO击败柯洁,10月全球首个人工智能选股的ETF在纽交所推出。到现在的表现并不尽如人意,不但跑输基准指数,也没变现出来所谓的增强学习(Reinforcement Learning),反而像一个复制指数的ETF。笑料炖包袱

所以人工智能又能怎么样呢,欢迎来到专治各种不服的金融市场。做金融的人群里,有科班出身的,也有半路出家的,还有徐翔那种高中文化的,本身就是一个大熔炉。即使是量化交易,也不过是一点点编程+一点点陈妙龙统计+一点点金融概念。换句话说,又不是量子物理,也没什么门槛嘛。而且,金融还可以很民科呢。

在这种大熔炉里,人工智能也不算是什么特别的存在,只是不同的视角罢了。比如学物理的人觉得,金融市场不过是一个耗散系统,学自动化的觉得这不过是一种信号处理,哈哈。

我觉得人工智能的核心在于,利用尽可能多的数据资源(Big Data),最大程度地提取数据中的隐含信息(Machine Learning),做出最优化的决策(Artificial Intelligence)。所以,人工智能给金融市场带来的是一种尊重数据的逻辑。

那技术分析这种整天拿着价量数据画图的玩法,的确有一点小儿科了。而巴菲特们,不可避免得精力有限,即使是挖掘市场信息并作出最优决策的高手,利用的数据也还是有限的。那些散户投资者,不管是Data还是Learning或者是Intelligence,就都是竞争不过的了。

量化交易+人工智能:两种文化

两种文化的说法来自于统拉格纳罗克计学家Leo Brieman,他觉得统计建模:一个假甚戈定数据是由一个特定分布模型生成的;另一个使用算法榴草模型,并把数据结构看作未知的(blackbox)。

放在金融市场来说,前一种文化就是试图从假设出发,先理解市场逻辑再从数据中得到验证,传统的量化交易大抵是这么做的。后一种文化,大多代表人工智能的做法,用最多的数据和最复杂的模型,得到一个谁也不知道的黑箱,等待神谕(o领导夫人racle)。

所以人工智能的黑箱并不一定意味着更好的结果。人工智能也许能做好人脸识别、自动驾驶、计算机视觉之类的,但是金融市场是一个动态的变化的体系,并不存在那么简单的规律。每一天金融市场都会产生很多个G的数据,这些数据或许是全新的信息 ,人工智能是会重新学习,还是adaptive地百魂灵约去学习呢?这是一个问题(不要说Reinforcement Learning能解决问题,这个sequential decision没那么简单的)。

如果要说风险管理,人工智能这种黑箱有着极大的不确定性。如果面对新的数据,不管是推倒重来还是适应性学习,都会把算法变成一个全新的东西,而且不可理解。传统的量化交易都有简单的核心思想:黄世友女儿比如动量策略,利用姐妹恋的是羊群效应;统计套利,是价差的均值回归。对于这些方法的渝西团风险管理,主观都有很大的信心,但是对于人工智能的黑箱,或许只能通过简单的止盈止损。岑宁儿怎么读古老又神秘,呵呵。

再就是Garbage in, garbage out的问题,我见过很多计算机背景的人,做的交易策略研究基本上属于这一类。因为缺乏对金融市场的理解,数据直接被丢进了复杂的神经网络模型,而没有恰当的特征工程(feature engineering)。这种简单粗暴的做法,是对人工智能算力的依赖,也是黑箱文化炎龙传说3炽凤速升级版的彻底执行。我想,两种模型的文化还是需爱玩兄弟要一些平衡,人工智能不过是勤奋学习的傻孩子,有些东西还是要咀嚼过后再喂进去的。

当然,人工智能还是带来了很多新的变化,比如智能投顾,比如做市(market making),只是说离我们的期待还很远。我看到Quora上有人在问,为什么人工智能在金融市场的表现不尽如人意。这个问题居然得到了Yann LeCun大神抖机灵的回复:

既然最聪明的AI人才都没有在研究金融,在坐的各位都是弱鸡啊。

不过玩笑归玩笑,人工智能+量化交易的结合会是以后的趋势。很多人担心这会改变市场风格,比如监管层总觉得行情剧烈波动一定是程松耸菌序化交易的错。也有人觉得会抢掉很多人的饭碗,人工智能替换人类是媒体喜欢写的一个无脑新闻。

引用一句鲁迅的话吧:希望是本无所谓有,无所谓无的。这正如地上的路;其实地上本没有路,走的人多了,也便成了路。

如果市场上的人都用技术分析,那技术分析也会加剧市场波动。

如果市场上的人都用易经来交易,你不修仙也迟早被淘汰嘛。