|
我想写的一个专题，这里说一说初心。 我的本职工作与人工智能、机器学习，数据挖掘等打交道比较多，金融投资是我的业余爱好。金融与投资的交叉领域就是量化投资，2015年接触之后觉得很有意思，业余时间一直在关注，写过好几版回测系统，构建了金融数据库等。 “量化投资”随着人工智能兴起被推上头条，但当前更多的量化书籍仍然是传统技术分析与计量经济学统计分析，以线性分析为主，有炒冷饭的嫌疑。“智能投顾”则是基于现代金融学投资组合理论，按用户的风险偏好定制的顾问服务，加上“智能”更多是卖点，背后是否有人工不得而知。 我想写的与上述二者高度相关，都会深度涉猎，但又不完全相同。 量化投资只是一种投资手段，与传统的基本面投资、技术分析并不冲突，也不用觉得高大上，是应该相容的。量化一定是定量分析，可以批量自动化进行，这对于人工投入的节省是一个巨大的优势，但并非所有的信息都可以被定量处理，所以定性的分析依然有其价值。 机器学习也仅是一种处理数据的手段，并不神秘。它可以在海量数据中发现规律——如果规律存在的话。但金融数据的低信噪比，高随机性，但机器学习在金融投资里的应用异常艰难。所以，不要指望基于AI做一个“印钞机”，“永动机”。若果真如此，硅谷那些机器学习、深度学习大神早就涌进资本市场，也轮不到我们有这样的机会。 但并不意味着量化投资和机器学习没有用，恰恰相反，它们非常有用，而且是大势所趋。 有一句话叫“No man is better than a machine, but no machine is better than a man with a machine”。这句话给了我很大的力量。前半句说的是人工智能时代，在大数据与机器学习面前，人类的渺小，我们的算法，专注度，并行处理能力与机器没有可比性。但在另一些需要模糊判断，情感，创造的领域，人工智能又显得笨拙。这是后半句所言，“如果一个人擅长使用机器，则将无往而不利”。 所以，把机器学习技术引入到金融投资中，与我们自身的判断相结合，将无往而不利。不能指望构建一个交易系统如同alphago般，不用从头学下棋，只使用训练数据，几天内就成为世界级高手。交易系统仍然是自我构建，但量化投资与机器学习为它赋能。 读者群体，对投资有兴趣的工程师群体、对量化感兴趣的金融从业者、高校学生。它涉及金融学，统计学，Python编程，机器学习，深度学习等对时间序列的分析与应用，甚至是自然语言处理来构建金融知识图谱等。 从金融数据收集、处理，到特征提取打标签，技术分析规则，机器学习模型构建，再到模型回测与结果分析。其间，还融入大类资产配置、风险平价、风险预算等前沿资产配置模型。力求做到最大回撤率控制在15%以内，长期年化达到15%这样的稳健增长模型。当然根据用户个人的风险偏好，可以分为保守、稳健、激进三档，以满足不同层次的投资诉求。 本专栏可以内容包含但不限于如下： 金融时间序列的处理（pandas, numpy）、指标计算表达式引擎、因子分析、一个完整的回测系统，机器学习、深度学习、强化学习对于时间序列的处理与预测。 (公众号：七年实现财富自由（ailabx），用数字说基金，用基金做投资组合，践行财富自由之路) |
|
|
