《量化投资与机器学习》.ppt

汇添富基金 吴振翔 量化投资与机器学习 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 2018-10-29 汇添富基金 量化投资的应用场景 2018-10-29 汇添富基金 量化投资需要解决的问题 2018-10-29 汇添富基金 传统量化投资技术 2018-10-29 汇添富基金 量化投资需要什么技术？ 2018-10-29 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 2018-10-29 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、网络有哪些信誉好的足球投注网站、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 2018-10-29 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 2018-10-29 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 2018-10-29 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 2018-10-29 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 2018-10-29 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 2018-10-29 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 存在的障碍 2018-10-29 汇添富基金 存在的障碍 2018-10-29 汇添富基金 将量化投资和机器学习相提并论是不适合的…… 机器学习，从入门到放弃？ 2018-10-29 汇添富基金 数据少，噪声大，投入还小，只能做toy model？ 我们对股票市场有独到的理解！不需要大量数据和大量投入就能搞出好模型！ 相比于现有的量化模型，机器学习的模型和方法能够更好克服人为观测的偏差，如： 市值因子为什么是市值取对数？ 反转因子为什么是区间收益率？ 风险为什么可以用标准差表示？ 现有量化投资的模型都是基于简单的人为观测逻辑，进行历史检验，获得较好效果之后进行使用的。 而机器学习方法论是：对更为广