《量化投资与机器学习》由会员分享，可在线阅读，更多相关《量化投资与机器学习（22页珍藏版）》请在金锄头文库上搜索。
1、汇添富基金 吴振翔,量化投资与机器学习,2018.5.6,0. 量化投资需要什么技术？,量化投资与机器学习，问题的定义是什么？ 需要先定义量化投资，进而才能思考机器学习技术在其中的应用。,我们如何看待量化投资,2018/11/16,汇添富基金,量化投资的应用场景,2018/11/16,汇添富基金,量化投资需要解决的问题,2018/11/16,汇添富基金,传统量化投资技术,2018/11/16,汇添富基金,量化投资需要什么技术？,2018/11/16,汇添富基金,1. 我们感兴趣的机器学习技术,机器学习技术发展日新月异，但在狭义的量化投资领域的应用才刚刚开始。,数据获取与数据处理,2018/11
2、/16,汇添富基金,Source: Big Data and AI Strategies: Machine Learning and Alternative Data Approach to Investing, J.P.Morgan,从海外经验来看，投资领域对于另类数据的使用已经起步，数据使用范围可谓相当多样。 从数据获取来看，主要来源如下：舆情文本、卫星图像、交通信息、物流信息、网络搜索、电商信息等。 对应于这些数据来源，所需要的数据处理技术包括：自然语言处理、计算机视觉等。,自然语言处理技术,2018/11/16,汇添富基金,从数据处理和特征提取角度来看，目前自然语言处理技术已经较为成熟
3、，可以对诸如新闻、公告等文本信息进行大规模处理。 中文分词技术是处理中文文本数据的基础；词向量技术是将高维且正交的one-hot向量，转变为低维且具有几何意义的向量的技术。,自然语言处理技术,2018/11/16,汇添富基金,海外某公司现在已经开始提供实时的Twitter舆情数据，直观来看，Tweet Volume和Sentiment都没有很强的领先性，但也不排除精细化处理后对投资能够起到作用。,Source: http:/ GPU硬件技术的突飞猛进大大提升了CNN的数据处理能力，使得工业界目前已经可以处理大规模的图像和视频数据。,计算机视觉技术,2018/11/16,汇添富基金,海外某公司通
4、过计算机视觉技术，识别卫星图像等原始图像当中的停车场停车数量信息，进而构建零售、餐饮、酒店等场景的高频经营数据。通过这些高频经营数据可以构建相应的交易信号。 该公司提供了一种交易方法：计算每月的停车量同比增速，季度计算累计同比增速，计算过去6个月同比增速的布林带，当季度累计同比增速穿越布林带上下轨时，触发买入卖出交易。,Source: Big Data and AI Strategies: Machine Learning and Alternative Data Approach to Investing, J.P.Morgan,机器学习模型,2018/11/16,汇添富基金,通过对大量非结
5、构化的数据进行处理，成为数字化、向量化的数据集，进而通过机器学习算法进行建模和训练，是目前机器学习领域的主要方法论。 工业界的机器学习模型主要解决以下问题： 分类（classification） 回归/预测（regression） 其他，如生成模型，强化学习模型等,机器学习模型的表述能力,2018/11/16,汇添富基金,以深度神经网络模型为例，早在1993年，就有学术研究从数学上证明：多层神经网络+非线性激励函数可以近似任何函数。 近期实证研究表明，随着神经网络层数的增加，测试集的准确度逐渐提升；此外，在不增加神经网络层数，仅仅增加参数个数的情况下，模型的效果提升不明显；而在不改变参数个数的
6、情况下，将层数从3层增加至11层，则可以显著提升模型效果。,Source: Goodfellow, I. J., Bengio, Y., & Courville, A. (2017). Deep Learning,2. 量化投资与机器学习,我们的实践以及思考,存在的障碍,2018/11/16,汇添富基金,存在的障碍,2018/11/16,汇添富基金,将量化投资和机器学习相提并论是不适合的,机器学习，从入门到放弃？,2018/11/16,汇添富基金,数据少，噪声大，投入还小，只能做toy model？ 我们对股票市场有独到的理解！不需要大量数据和大量投入就能搞出好模型！ 相比于现有的量化模型，机
7、器学习的模型和方法能够更好克服人为观测的偏差，如： 市值因子为什么是市值取对数？ 反转因子为什么是区间收益率？ 风险为什么可以用标准差表示？ 现有量化投资的模型都是基于简单的人为观测逻辑，进行历史检验，获得较好效果之后进行使用的。 而机器学习方法论是：对更为广泛的数据，基于机器学习的观测逻辑，进行历史检验，获得较好效果之后进行使用。 已有一些成果超越了现有量化模型的效果。我们认为，随着数据量提升、投入资源加大，未来机器学习方法将带来量化投资领域的重大变革！,广阔天地，大有可为,2018/11/16,汇添富基金,我们用机器学习得到的因子的效果： 测试区间：2011年至2017年 样本空间：中证全指 在所有市值分层和行业分类上均有效，且因子强度均比较高,广阔天地，大有可为,2018/11/16,汇添富基金,我们用机器学习得到的高频交易策略： 测试区间：2017年 样本空间：中证全指 交易成本：单边千一 下图为费后的累计收益（简单求和）曲线，平均日收益为0.13%,非常感谢,欢迎交流！,
