在AQF資料中，你知道AI量化投資策略有哪些嗎?首先我們先來了解下什么是人工智能，人工智能(Artificial Intelligence，簡稱AI)的應(yīng)用領(lǐng)域主要包括機(jī)器學(xué)習(xí)、概率推理、機(jī)器人技術(shù)、計(jì)算機(jī)視覺和自然語言處理。開發(fā)AI量化策略就是采用人工智能的相關(guān)技術(shù)和算法構(gòu)建模型來處理市場海量數(shù)據(jù)之間的復(fù)雜關(guān)系。

如上圖所示，計(jì)算機(jī)通過訓(xùn)練歷史數(shù)據(jù)構(gòu)建模型對新數(shù)據(jù)進(jìn)行預(yù)測類似于人腦學(xué)習(xí)歸納規(guī)律總結(jié)經(jīng)驗(yàn)并對新問題進(jìn)行判斷的流程。

舉個(gè)栗子，我們遇到一個(gè)任務(wù)：去瓜田判斷一堆西瓜的好壞，并且需要在保證正確率的情況下獨(dú)自完成。如果我們對此毫無經(jīng)驗(yàn)，那我們應(yīng)該如何完成這個(gè)任務(wù)呢?下面是具體流程：

1. 首先我們應(yīng)明確目標(biāo)，就是判斷出這堆西瓜的好壞，為了達(dá)到這個(gè)目標(biāo)，我們應(yīng)該先去找來一堆瓜去學(xué)習(xí)總結(jié)判斷好壞的經(jīng)過。

2. 接下來我們把找來的這些瓜分成兩堆，其中第一堆瓜用來練手總結(jié)規(guī)律，為了確保我們總結(jié)的規(guī)律是正確的，我們用第二堆瓜來驗(yàn)證我們總結(jié)的規(guī)律。

3. 針對第一堆瓜，我們首先根據(jù)觀察和思考，挑選出一些可能影響瓜好壞瓜的屬性也可以稱為特征，例如顏色、大小、產(chǎn)地、紋理等。之后，我們不斷觀察每個(gè)瓜的這些特征屬性并切瓜來驗(yàn)證好壞，通過不斷總結(jié)歸納找到瓜的好壞與瓜的屬性之間的關(guān)聯(lián)，最后制定一套標(biāo)準(zhǔn)的判斷模型，就是我們的經(jīng)驗(yàn)。

4. 之后，我們需要驗(yàn)證這個(gè)模型是滿足我們預(yù)期要求的，需要在這套標(biāo)準(zhǔn)的指引下，根據(jù)第二堆瓜的顏色、大小、產(chǎn)地等屬性來預(yù)測第二堆瓜的好壞。

5. 最后，我們需要切瓜來驗(yàn)證我們的預(yù)測值是否與真實(shí)情況相符。

這一過程我們可以表示為流程圖：

AI量化策略構(gòu)建流程

人類可以進(jìn)行獨(dú)立判斷所依賴的“經(jīng)驗(yàn)”對于機(jī)器來說就是一條條數(shù)據(jù)，類比挑瓜過程，我們可以對AI量化策略流程進(jìn)行分解：

1. 明確我們模型的訓(xùn)練目標(biāo)，類比于預(yù)測瓜的好壞這個(gè)任務(wù)。

AI量化策略的目標(biāo)(Label)：人為定義的模型預(yù)測目標(biāo)，例如未來N日收益率、未來N日波動率、未來N日的收益率排序等統(tǒng)計(jì)量,平臺AI量化策略默認(rèn)使用股票收益率作為目標(biāo)。

2. 接著我們把歷史數(shù)據(jù)按時(shí)間順序切分為兩部分，類比于分瓜任務(wù)中的兩堆瓜。

第一部分的數(shù)據(jù)用來訓(xùn)練模型，稱其為訓(xùn)練集;第二部分的數(shù)據(jù)用來驗(yàn)證模型效果，稱其為驗(yàn)證集。

3. 選擇構(gòu)建可能影響目標(biāo)的特征，類比于瓜的產(chǎn)地、大小等屬性，我們也稱之為特征。

AI量化策略的特征(features)：模型所需的輸入數(shù)據(jù)，例如每日的換手率、市盈率、KDJ技術(shù)指標(biāo)等可能影響我們目標(biāo)值的統(tǒng)計(jì)量。

我們計(jì)算訓(xùn)練集數(shù)據(jù)所在時(shí)間階段的每日目標(biāo)值，比如按每日的未來N日收益率高低來定義股票的走勢好壞等級，這個(gè)過程類比于分瓜問題中記錄第一堆瓜的好壞，我們稱這一過程為標(biāo)注。

我們通過“好壞等級”對股票進(jìn)行標(biāo)注貼上標(biāo)簽，連同其所對應(yīng)的特征值一起來構(gòu)建訓(xùn)練模型，類比于大腦通過第一堆瓜的大小、顏色等特征數(shù)據(jù)對應(yīng)切瓜驗(yàn)證其’“好壞”標(biāo)簽，總結(jié)出瓜的分類經(jīng)驗(yàn);

4. 用驗(yàn)證集數(shù)據(jù)來檢驗(yàn)訓(xùn)練前面構(gòu)建好的模型，即檢驗(yàn)?zāi)Ｐ透鶕?jù)驗(yàn)證集的特征數(shù)據(jù)預(yù)測出的目標(biāo)值(股票走勢好壞等級)是否準(zhǔn)確。這步類比于鑒瓜任務(wù)中根據(jù)第一堆瓜總結(jié)的鑒瓜經(jīng)驗(yàn)用第二堆西瓜的大小、顏色等特征數(shù)據(jù)來判斷預(yù)測瓜的好壞。

5. 將驗(yàn)證集的預(yù)測結(jié)果放入歷史數(shù)據(jù)中檢測，類比于鑒瓜過程中根據(jù)第二堆瓜預(yù)測出瓜的好壞最后進(jìn)行切瓜驗(yàn)證。

因此，AI量化策略的構(gòu)建過程也可以用流程圖的方式表達(dá)如下：

認(rèn)識了機(jī)器學(xué)習(xí)流程和AI量化策略流程，就能夠理解BigQuant平臺的BigStudio實(shí)驗(yàn)工作流。BigStudio實(shí)驗(yàn)工作流是AI量化策略在BigStudio上的可視化展示。一個(gè)典型的AI可視化量化策略流程圖如下：

簡單劃分：

具體而言：

1. 策略流程圖的左支是訓(xùn)練集特征數(shù)據(jù)(features)的抽取和訓(xùn)練集目標(biāo)(label)的標(biāo)注，標(biāo)注結(jié)果和訓(xùn)練集特征數(shù)據(jù)通過合并和數(shù)據(jù)缺失值清洗處理，然后傳給機(jī)器學(xué)習(xí)模型進(jìn)行模型訓(xùn)練。

2. 策略流程圖的右支是測試集特征數(shù)據(jù)的抽取，通過缺失值清洗處理，然后傳給機(jī)器學(xué)習(xí)模型進(jìn)行預(yù)測，這里機(jī)器學(xué)習(xí)模型采用StockRanker模型，是一個(gè)排序模型，預(yù)測的結(jié)果是每日的股票排名。

3. 這個(gè)排名列表即預(yù)測結(jié)果最后傳給回測模塊按一定的規(guī)則進(jìn)行買賣模擬交易，進(jìn)行檢測。

這樣我們就實(shí)現(xiàn)了一個(gè)AI量化策略，這個(gè)例子中我們使用了2010年到2014年的全市場各股票歷史5日收益率、10日收益率排名等特征數(shù)據(jù)訓(xùn)練了一個(gè)排序模型(StockRanker)，然后通過訓(xùn)練好的模型對2015年至2016年的全市場各股票5日收益率、10日收益率排名等特征數(shù)據(jù)對股票未來的5日收益率進(jìn)行了排序預(yù)測，每日根據(jù)此排序預(yù)測買入排名靠前的股票并從每日持倉中賣出排名靠后的股票，得到的策略資金曲線如下圖所示。

經(jīng)過數(shù)十年的發(fā)展，應(yīng)用于量化策略開發(fā)的AI算法/模型相當(dāng)豐富。如下圖所示，各種AI技術(shù)都有金融行業(yè)先行者實(shí)踐應(yīng)用的案例。

量化金融分析師(簡稱AQF，Analyst of Quantitative Finance)由量化金融標(biāo)準(zhǔn)委員會(Standard Committee of Quantitative Finance，SCQF)主考并頒證，是代表量化金融領(lǐng)域的專業(yè)水平證書。

>>>點(diǎn)擊咨詢AQF證書含金量

　　

AQF課程設(shè)置了解下~

第一部分：前導(dǎo)及課程介紹

1.AQF核心課程

2.量化策略的Python實(shí)現(xiàn)和回測

3.整體代碼介紹

第二部分：量化投資基礎(chǔ)

1.量化投資背景及決策流程

2.量化擇時(shí)

3.動量及反轉(zhuǎn)策略

4.基金結(jié)構(gòu)套利

5.行業(yè)輪動與相對價(jià)值

6.市場中性和多因子

7.事件驅(qū)動

8.CTA_1(TD模型)

9.統(tǒng)計(jì)套利_低風(fēng)險(xiǎn)套利

10.大數(shù)據(jù)和輿情分析

11.機(jī)器學(xué)習(xí)

12.高頻交易和期權(quán)交易

13.其他策略和策略注意點(diǎn)

第三部分：Python編程知識

Python語言環(huán)境搭建：

1.Python語言環(huán)境搭建

Python編程基礎(chǔ)：

1.python數(shù)字運(yùn)算和Jupyter notebook介紹 >>>更多AQF課程有疑問的點(diǎn)我咨詢

2.字符串

3.Python運(yùn)算符

4.Tuple和List

5.字典

6.字符串格式化

7.控制結(jié)構(gòu)_1.For循環(huán)

8.函數(shù)

9.全局和局部變量

10.模塊

11.Python當(dāng)中的重要函數(shù)

第四部分：量化交易策略模塊

第五部分：面向?qū)ο蠛蛯?shí)盤交易

第六部分 實(shí)盤模擬交易

第七部分：基于優(yōu)礦的進(jìn)階學(xué)習(xí)

更多內(nèi)容推薦閱讀：

如何成為一名優(yōu)秀的量化金融分析師?

AQF到底是什么鬼?哪類人適合參加AQF考試?

金程推薦： AQF培訓(xùn) AQF培訓(xùn)機(jī)構(gòu) AQF是什么意思

咨詢電話：400-700-9596

AQF考友群：760229148

金融寬客交流群：801860357

微信公眾號：量化金融分析師

完善下表，48小時(shí)內(nèi)查收aqf備考資料

(如果沒收到資料，可以點(diǎn)我咨詢)

>>>返回首頁