最近看到一篇比较宏观角度的文章，觉得还挺有意思，于是翻译出来，以飨读者。
使用高频智能系统迅速的赚取市场的利润，这是大部分量化机构在做的事情。自动交易占美国市场交易量的75％以上，并且这个数字还会继续增加。那么普通交易者如何创建一个系统，使他们能够做出明智的决策并在当前众多智能系统的挑战下找到alpha？在本文中，我提出了一个框架，通过该框架，机器学习和人工智能可以为普通交易者的决策和交易策略提供支持。
构建基于AI的框架来推动您的交易策略并非易事。我不会说所有的普通交易者都能够完成这样的任务。但是，这样的框架是确实可行的。如果我说我们能有一种由人工智能驱动的系统，这个系统能让普通投资者简单的进行鼠标点击就能操作获得利润，我想大家是能信服的。这样的框架可以将强大的机器学习算法放入普通投资者手中，甚至可以让普通人自己制作策略并自动化他们的交易决策。目前，这样的系统非常昂贵。但是让我们来看看系统是如何构建的，以及我们作为开发人员，工程师，AI研究人员和其他团队可以采取哪些步骤构建类似的系统。
传统策略→人工智能驱动策略
自动化价值投资
目前有很多不同的方法来评估股票。也许您作为交易者从整体的角度来分析公司的资产负债表。也许你不太喜欢研究太深入，仅仅使用市盈率指标，如动态市盈率、静态市盈率、权益负债率、收益率增长和盈利增长。您可能仅限于对您信赖的股票组合进行分析，但是如果您可以自动选择这种股票呢？如果您可以输入对您重要的参数并返回符合您所需标准的股票列表呢？最终，根据您的喜好，您可以使用系统根据这些标准自动构建您的投资组合。虽然我相信这是一种最佳方法，但也许您不会去使用，但是您最好对这种方法非常有热情。 AI驱动的系统根据您的个人参数做出决策并评估股票应该能够在t = 0时获得盈利，而且它能够根据您的参数设置来自动提高或者降低头寸利润。
在上面的模型中，我们使用所有期望的输入来评估股票。我们可以添加任何额外的输入，你可以增加层数，添加或删除隐藏层中的神经元，但输出层会是精心设计的。您可以根据您认为合适的价值投资原则添加尽可能多的输入，虽然你的输出所需要的计算可能更复杂。
我们还可以为其他股票添加额外的模型。假设我们在上证指数中按市值投入10万人民币在前100名的股票上。然后我们将创建100个模型，每个模型对应一个股票。我们使系统自动化，以便在每次更新指标时将这些模型与100种股票相匹配。然后，我们可以按比例将我们的资金投资于那些在买入、持有或卖出的输出层中的概率与我们的目标一致的股票。如果我们确定75％的置信度门限来证明买入决策的合理性，那么持有买入置信度75％以上的股票会占用我们一部分的资金。我们也可以给买入决策进行加权，我们可以说75％的置信度我们分配最低金额，比方说500元。然后从那里我们可以线性扩展，让我们说每增加一个百分点就是25元。以100％的概率，这表明单一股票的投资为5000元。随着买入概率下降和卖出概率增加，我们可以调低头寸。那些买入决策的头寸我们可以增加，而卖出决策我们可以减小头寸。具有75％卖出概率的股票我们可以完全不碰。随着卖出概率下降，我们增加头寸。您可以快速的从神经网络的输出中构建多种不同的策略。
自动化技术分析（TA）
正如我们之前所讨论的，市场上的利润越来越难以获得。想象一下，你是一个普通交易者，平均盈利每天从0.2％降低到.02％。在这种情况下，您已经看到您的利润从大约50000 /年（在200个交易日内为0.2％，初始投资组合为100000元）减少到约22000元/年（在200个交易日内为开始投资组合为0.02％） 10万元）。您需要将每日收益增加10倍以恢复到正常收益，这似乎不可能完成的任务。对于普通交易者来说，这是不可能的。一个人无法在同样的风险水平下处理每天10倍的回报所必需的信息流或决策，甚至许多公司都遇到这个问题，他们保持竞争力的策略是在不增加风险的情况下将所有可能的利润一点一点赚出来。为此，许多公司都采用软件算法来达成目标。但如果你能将技术分析转化为自动化策略呢？
让我们把它分解成最简单的术语，这里我们也许有点过分的简化了。想象一下，你是一个严格地遵循移动平均线的交易者。也许你做的非常漂亮，并且在交叉等关键点建立了20个最喜欢的股票和交易移动平均线（以及可能的其他指标）的预警系统。平均每天您可以进行5笔短期交易，并在必要时迅速退出交易。通过严格地遵循这一策略，5笔交易都给你带来的利润。如果你可以将同样的策略延伸到300只股票呢？您完全可以构建一个自动化系统来为您处理此策略。 如果有更多的股票和更长的周期，您不需要手动交易，而是成为幕后黑手。您只需要观察，确保您的自动系统不出现异常。
在上述网络中，我们使用指标作为输入，但是我们不使用指标的直接数值作为输入。相反，我们为每个指标使用二进制值。例如，如果简单移动平均线（SMA）给出买入信号，我们称之为1。如果SMA给出卖出信号，我们编码为0。我们沿着这条线进行编码并相应地编码我们的所有数据。
人工智能主导市场的未来
我认为我们应该思考如果大多数（99％以上）投资市场参与者使用上述框架将会发生什么？当然这种情况很难发生。但在量化基金表现优于所有传统投资公司的世界中，由于对利润的渴望，一定会促使更多公司模仿量化基金的行为。当然，人工智能和机器学习在这些基金公司中被大量研究和使用，我认为机器学习的一些最好的研究和应用可能就存在于这些基金公司中。不幸的是，这些策略具有及其昂贵的知识产权，而像Renaissance Technologies这样的弃用机器学习的公司少之又少。
我认为，想象一个市场几乎完全由人工智能，算法交易以及机器驱动的未来是现实的。我认为在未来几十年内绝大多数市场参与者将是代表其公司的人工智能，这并不疯狂。这是什么意思呢？我认为这意味着人工智能的存在会带来最睿智的投资组合管理，并在许多不同的市场中同时展现这种睿智。我认为这意味着人工智能的存在可以消化大量的市场信号和正常人类永远无法分析的数据，并且以最快速度获得“最佳”数据。
想象一下，人工智能通过市场如此广泛地传播，以至于市场变成了算法的竞争。我认为在这一点上很难与有效市场假说争辩。当AI主宰市场时，任何想要进行交易的交易者（人或其他）的每一个操作都会被算法相应地接收和分析，博弈论在这样的系统中将非常明显。人工智能可以预测的公司不仅可以预测公司在盈利方面的表现，还可以预测其他人工智能如何对所有可能的情景做出反应，如何获得最佳回报。然后人们只能开始试图破坏和干扰算法。想象一个由这种AI系统主导的世界，而不是交易者和机构的博弈，这是非常有趣的。
结论
人工智能驱动的策略已经在市场上普及，这些策略被简化并以点击方式提供给普通市场参与者只是时间问题。制作模型和模拟市场非常有意思，我鼓励任何精通机器学习，深度学习的人将传统的价值投资和技术分析转化为更广泛的基于机器学习的策略。
人工智能与深度学习做量化请关注：AI量化(https://t.zsxq.com/RvfY37y) 星球限时免费，如需加入，请私信我获得免费邀请码！
零基础学习Python与深度学习应用请关注星球：Python与深度学习 https://t.zsxq.com/bUFayZ3
微信公众号：QTechAI
网友评论