量化投资与机器学习

量化投资
• 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。
量化投资与机器学习
汇添富基金 吴振翔
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
资金端
投资
量化投资
• 根据不同的资金端收益风险需求，使用量化 手段进行资产端配置，为客户提供投资管理 服务。
汇添富基金
传统量化投资技术
历史数据
• 历史行情数据 • 历史财务数据 • 历史研究、舆情、公告…… • ……
2020/2/9
经典统计学方法论
• 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。
机器学习模型
• 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
汇添富基金
量化投资需要解决的问题
无论是绝对收益目标还是相对收益目标，无论何种投资期限，
量化投资需要解决的问题都可以总结为 “挖掘收益”和“控制风险”
挖掘收益
• 维度之一：选股，what • 维度之二：择时，when • 维度之三：交易执行，how
2020/2/9
控制风险
• 市场风险：市场波动风险，跟踪误差风险…… • 黑天鹅风险：财务造假，负面新闻…… • ……
自然语言处理技术
• 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。
2020/2/9
汇添富基金
自然语言处理技术
2020/2/9
汇添富基金
机器学习模型的表述能力
• 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。
• 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。
2020/2/9
Source: Big Data and AI Strategies: Machine Learning and Alternative Data Approach to Investing, J.P.Morgan 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。
2020/2/9
汇添富基金
计算机视觉技术
• 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。
• 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。
2020/2/9
Source: Big Data and AI Strategies: Machine Learning and Alternative Data Approach to Investing, J.P.Morgan 汇添富基金
• 量化手段主要体现于资产端的投资管理。
收益/风险
2020/2/9
资产端
汇添富基金
量化投资的应用场景
期限
投资标的
2020/2/9
目标
按照投资期Biblioteka Baidu划分
• 长期 • 短期 • 日内高频
按照投资标的划分
• 权益类资产 • 固定收益类资产 • 商品期货类资产 • 大类资产配置
按照投资目标划分
• 绝对收益目标 • 相对收益目标
汇添富基金
量化投资需要什么技术？
数据
大数据 = 新世界
处理 异构数据的流水线
建模 特征工程 结构工程
2020/2/9
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。
• 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。
2020/2/9
Source: http://isentium.com/charts/#charts-10
汇添富基金
计算机视觉技术
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
• 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。