2018年量化投资与机器学习.ppt

传统量化投资技术 * 汇添富基金 历史行情数据 历史财务数据 历史研究、舆情、公告…… …… 历史数据 将数据结构化，提取特征 按照特定逻辑，通过统计方法对特征建立模型： 因子选股：要统计因子IC等指标，传统因子模型也是基于对收益率的线性回归； 择时策略：要统计信号的胜率、赔率、频率，并在样本内样本外做比对； 交易策略：类似于择时； 风险控制：绩效分析是基于线性模型的，其他风险控制手段也基于一些风险特征在历史上的表现。 经典统计学方法论 将基于历史数据的统计模型应用于当时的投资问题 为什么模型失效？ 历史不重演了？ 历史不会完全重演； 模型是历史的不完全表述； 我们认为，除非市场出现重大变故（类似熔断，股指期货限仓），历史规律不会断然变化，而连续变化的历史规律是可以捕捉的。虽然历史不会完全重演，但量化投资仅需要把握部分重演的历史。 让模型更好表述历史、预测未来，是量化投资研究的努力方向。 量化投资 量化投资需要什么技术？ * 汇添富基金 数据 处理 建模 大数据 = 新世界 异构数据的流水线 特征工程 ? 结构工程 大数据时代来临，量化投资可以使用的基础数据充满可能性，大数据有望提升模型表述能力。 利用工程学方法构造数据分析的流水线，不断提高数据的时效性。 统计模型基于人类对于数据的观测，依赖于经营性的特征提取，深度学习可以通过定义结构进一步挖掘信息。 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 * 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 * 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，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 * 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: /charts/#charts-10 计算机视觉技术 * 汇添富基金 卷积神经网络（CNN）为处理具有空间结构的数据提供了极大可能。 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 * 汇添富基金 海外某公司通过计算机视觉技术，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 * 汇添富基金 通过对大量非结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 * 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 1 1 1