人工智能的普及程度現(xiàn)在越來越廣了，在很多領(lǐng)域中都有涉及到人工智能，那么當(dāng)量化投資邂逅了人工智能，這兩者會擦出怎樣的火花呢？

量化投資的概念

何謂量化投資？它是指通過計(jì)算機(jī)程序化發(fā)出買賣指令，以獲取穩(wěn)定收益為目的的交易方式。量化投資者搜集分析大量的數(shù)據(jù)后,借助計(jì)算機(jī)系統(tǒng)強(qiáng)大的信息處理能力,采用先進(jìn)的數(shù)學(xué)模型替代人為的主觀判斷,利用計(jì)算機(jī)程序付諸實(shí)施。量化投資在海外的發(fā)展已有30多年的歷史，其投資業(yè)績穩(wěn)定，市場規(guī)模和份額不斷擴(kuò)大、得到了越來越多投資者認(rèn)可。

量化投資的優(yōu)勢主要有以下幾點(diǎn)：嚴(yán)格執(zhí)行投資策略，不隨投資者情緒的變化而隨意更改，可以克服人性的貪婪、恐懼、僥幸等心理，避免錯失投資良機(jī)；計(jì)算機(jī)可處理海量數(shù)據(jù)，及時(shí)快速地跟蹤市場變化，并構(gòu)建多層次的量化模型，盡力捕捉較好的投資機(jī)會；真正解放了人的雙手和腦力，無需時(shí)刻盯在屏幕前觀察股市行情，每日交易完全靠計(jì)算機(jī)執(zhí)行，若準(zhǔn)確捕捉到投資良機(jī)，即可真正做到“人在家中坐，錢到碗里來”。

》》點(diǎn)擊學(xué)習(xí)量化投資入門特惠班

在量化投資中，關(guān)鍵的部分就是量化模型，也稱量化策略。通俗地講，就是預(yù)先設(shè)定一套固定的邏輯，點(diǎn)名選股及何時(shí)買入何時(shí)賣出的標(biāo)準(zhǔn)。實(shí)盤操作時(shí)，實(shí)時(shí)接收行情數(shù)據(jù)并進(jìn)行分析，當(dāng)達(dá)到預(yù)先設(shè)定的標(biāo)準(zhǔn)時(shí)，即自動進(jìn)行買入賣出的操作。但在實(shí)際的操作中，由于市場千變?nèi)f化，任何量化模型都不可能準(zhǔn)確捕捉到投資良機(jī)，因此虧損的情況也不可避免。所以，如何構(gòu)建更為合理的量化模型，盡可能捕捉好的投資機(jī)會，增加盈利減少虧損，便成為相關(guān)從業(yè)者孜孜不倦的追求。

完整的量化策略所包含的內(nèi)容

目前，已經(jīng)有不少較為成熟的量化策略，如均線策略，海龜策略，銀行輪動、二八輪動等。下面針對簡單的雙均線策略做一下介紹，讓大家對量化策略如何實(shí)現(xiàn)有個大致的了解。

雙均線策略

均線的概念：對于每一個交易日，都可以計(jì)算出前N天的移動平均值，然后把這些移動平均值連起來，成為一條線，就叫做N日移動平均線。（當(dāng)然對于短期投資，也可以按每分鐘或每小時(shí)的股價(jià)進(jìn)行計(jì)算，得到N分鐘/小時(shí)移動平均線。）
比如前5個交易日的收盤價(jià)分別為10,9,9,10,11元，那么，5日的移動平均股價(jià)為9.8元。同理，如果下一個交易日的收盤價(jià)為12，那么在下一次計(jì)算移動平均值的時(shí)候，需要計(jì)算9,9,10,11,12元的平均值，也就是10.2元。將這平均值連起來，就是均線。

如下圖所示，收盤價(jià)是藍(lán)線，橙色的線表示5日的移動平均線。

可以看到均線相當(dāng)于對股票價(jià)格做了一個平滑，但整體趨勢一致。
而雙均線，顧名思義就是兩條天數(shù)不同的移動平均線。如圖，藍(lán)色的是5天均線，黃色的是10天均線?？梢?，10天均線明顯比5天均線更為平滑，反映在圖上是變化更為緩慢。

金叉與死叉：由時(shí)間短的均線（如上圖藍(lán)色的線）在下方向上穿越時(shí)間長一點(diǎn)的均線（如上圖黃色的線），為“金叉”，反之為“死叉”。我們認(rèn)為，雙均線金叉的時(shí)候，表明股票處于上漲勢頭，死叉的時(shí)候開始下跌。因此雙均線策略為：金叉時(shí)買入，死叉時(shí)賣出。

看起來好有道理！如此投資，人生就在眼前？！

》》點(diǎn)擊學(xué)習(xí)量化金融分析師AQF實(shí)訓(xùn)項(xiàng)目

殊不知，基于當(dāng)前數(shù)據(jù)的量化策略都有一個共同特點(diǎn)：滯后性。以雙均線策略為例，當(dāng)出現(xiàn)金叉時(shí)，表明股票已經(jīng)開始上漲了，此時(shí)再作出買入決策已有延遲；再加上從提出交易申請到交易成功的時(shí)間間隔，交易成功后或許股票已有下跌勢頭。因此由于滯后性的存在，理論上捕捉到的投資時(shí)機(jī)不一定能帶來收益。

這時(shí)想必會有朋友說：股市又不能預(yù)測，那滯后性的問題是不是就無法解決了呢？非也！股市預(yù)測，我人工智能可以做！

當(dāng)量化投資邂逅人工智能

事實(shí)上，量化投資和人工智能，本來就是天生的一對。因?yàn)榱炕顿Y就是利用數(shù)學(xué)、統(tǒng)計(jì)學(xué)的方法，結(jié)合計(jì)算機(jī)技術(shù)，通過模型從數(shù)據(jù)中挖掘有望在未來重復(fù)的歷史規(guī)律并加以利用，不計(jì)一次的得失，而是以概率取勝。人工智能本身也是以大數(shù)據(jù)為基礎(chǔ)，尤其擅長像金融市場這樣數(shù)據(jù)信息量大、特征維度高、相互關(guān)聯(lián)關(guān)系復(fù)雜的環(huán)境。量化投資結(jié)合了人工智能，使得交易模型正在從回溯歷史識別發(fā)展趨勢向?qū)崟r(shí)預(yù)測并隨時(shí)適應(yīng)新形式而過渡，人工智能作為新工具只會使量化投資更強(qiáng)大。

量化投資實(shí)戰(zhàn)

光說不練假把式，下面讓我們行動起來，利用LSTM預(yù)測一下真實(shí)金融數(shù)據(jù)。主要可分以下幾步進(jìn)行：
（1）通過合理途徑獲取到金融歷史數(shù)據(jù)，數(shù)據(jù)量原則上應(yīng)當(dāng)足夠大。只有數(shù)據(jù)量足夠大時(shí)深度神經(jīng)網(wǎng)絡(luò)才能發(fā)揮它的功效。股票數(shù)據(jù)的特征很多，如開盤價(jià)、收盤價(jià)、買一價(jià)、賣一價(jià)、持倉量、成交量等。

（2）數(shù)據(jù)清理與歸一化。獲得的海量數(shù)據(jù)難免會有噪聲，即與相鄰時(shí)刻的數(shù)據(jù)間差異非常明顯的點(diǎn)，一般都是數(shù)據(jù)統(tǒng)計(jì)出錯所致。顯著的噪聲對于深度學(xué)習(xí)來說會有比較大的影響。需要利用統(tǒng)計(jì)分析的方法找到噪聲點(diǎn)，并進(jìn)行清除、插值等去噪操作。歸一化就是要把需要處理的數(shù)據(jù)經(jīng)過處理后（通過某種算法）限制在需要的一定范圍內(nèi)。首先歸一化是為了后面數(shù)據(jù)處理的方便，其次是保正程序運(yùn)行時(shí)收斂加快。

（3）特征降維。收集到的數(shù)據(jù)有可能會有非常多的特征，在機(jī)器學(xué)習(xí)中過多特征不一定能提高識別準(zhǔn)確率，反而可能造成過擬合現(xiàn)象，并嚴(yán)重拖慢執(zhí)行效率。主成分分析法（PCA）是一種常用的降維方法，它能根據(jù)特征間的相關(guān)性，選擇出對識別有用的特征。下圖為PCA降維的效果圖，可以看出前七個特征可以基本反映全部的信息量，而后面的特征包含的信息量很少，可以去除。

（4）制作數(shù)據(jù)集。因?yàn)榻鹑跀?shù)據(jù)具有極強(qiáng)的時(shí)序特征，我們的預(yù)測目標(biāo)也是根據(jù)前一段時(shí)間的數(shù)據(jù)預(yù)測接下來一段時(shí)間的漲跌情況，因此為數(shù)據(jù)集添加時(shí)序特征是非常有必要的。具體操作是：取當(dāng)前時(shí)刻及其之前的N段數(shù)據(jù)構(gòu)成序列，將每一段序列作為一個新的數(shù)據(jù)點(diǎn)。另外，該學(xué)習(xí)方法屬于監(jiān)督學(xué)習(xí)，每一個數(shù)據(jù)都要有其對應(yīng)的標(biāo)簽（label），我們?nèi)∑湎乱粫r(shí)刻的漲跌情況作為label，按照漲跌幅度分為五類，使其近似滿足正態(tài)分布。

（5）劃分訓(xùn)練集與測試集。將數(shù)據(jù)集打亂，取前70%作為訓(xùn)練集，用于學(xué)習(xí)；后30%作為測試集，用于測試預(yù)測準(zhǔn)確率。
（6）構(gòu)建LSTM神經(jīng)網(wǎng)絡(luò)，開始訓(xùn)練。目前成熟的深度學(xué)習(xí)框架有很多，可以很方便的構(gòu)建神經(jīng)網(wǎng)絡(luò)，如Tensorflow、Caffe、Mxnet、Pytorch等。關(guān)于這些框架的使用此處不再說明，大家可以自行參考相關(guān)教程。訓(xùn)練結(jié)束后，在測試集上測試性能。若性能理想，則可用于編寫交易策略；若不理想，可嘗試從模型結(jié)構(gòu)、參數(shù)等方面進(jìn)行優(yōu)化。

（7）編寫交易策略。簡單的策略即根據(jù)預(yù)測漲跌情況直接進(jìn)行交易選擇，如未來連續(xù)幾個時(shí)間點(diǎn)上漲即買入，連續(xù)幾個時(shí)間點(diǎn)下跌即賣出。當(dāng)然也可以與一般的交易策略結(jié)合，如預(yù)測金叉與死叉點(diǎn)等，并加入止盈止損策略。
下面讓我們一起欣賞量化投資與人工智能擦出的美妙火花：

我們進(jìn)行了當(dāng)日短期投資模擬，上圖為漲跌情況預(yù)測圖。其中，紅色箭頭表示大漲，黃色箭頭表示小漲，綠色箭頭表示小跌，黑色箭頭表示大跌?？梢?，雖然出現(xiàn)了幾次預(yù)測相反的情況，但能有效捕捉到幾個大漲大跌的點(diǎn)，準(zhǔn)確度還是有一定保障的。

根據(jù)制定的簡單交易策略，一天內(nèi)共進(jìn)行了三筆交易。其中有兩筆是盈利的，有一筆是虧損的。由此可見，人工智能對于量化投資能起到一定的輔助作用。