分类
外匯保證金交易

从量化的角度做外汇交易

图2 持仓状态转移

十家在AI领域充分实战的量化基金

此外,机器学习擅长发现数据间的相关性而非因果性。 很有名的一个例子是早在1990年,对冲基金First Quadrant发现孟加拉国生产的黄油,加上美国生产的奶酪以及孟加拉国羊的数量与标准普尔500指数自1983年开始的10年时间内均具有99%以上的统计相关性,1993年之后,这种关系莫名其妙的消失了。 这就是由于自学习的机器无法区分虚假的相关性所导致的,这时候就需要专家设置的知识库(规则)来避免这种虚假相关性的发生。

知识图谱本质上是语义网络,是一种基于图的数据结构,根据专家设计的规则与不同种类的实体连接所组成的关系网络。知识图谱提供了从“关系”的角度去分析问题的能力。

以投资关系为例,知识图谱可以将整个股权沿革串起来,方便地展示出哪些PE机构在哪一年进入,进入的价格是多少,是否有对赌条款,这些信息不仅可以判断该机构进入当时的估值,公司未来的发展情况(公司成长的节奏),还可以看清PE机构的投资偏好,投资逻辑是如何变更发展的。

代表公司:

知识图谱在金融最早的应用代表是Garlik。 这家公司2005年成立于英国,核心成员来自南安普顿大学(University of Southampton,是语义网的核心研究机构之一),主要业务是在线个人信息监控。他们收集网络和社交媒体上的个人信息,当发生个人信息盗窃时Garlik会及时报警。2011年他们被美国的三大个人信用记录公司之一Experian收购,其技术被用于个人信用记录、信用盗窃的分析。Garlik的核心技术之一是大规模语义数据库,前后开源发布了3store, 4store, 5store等高性能数据库。

Palantir,估值仅次于Uber的科技创业公司,曾用大数据帮助CIA干掉本·拉登 。他们有一个基于知识图谱的金融数据分析平台—Palantir Metropolis,可以整合多源的量化资料,并提供一套方便易用的分析工具来满足复杂的研究需求,其中的组件能够进行复杂搜索,可视化编辑与分析,有非常丰富的人机交互能力。

量化投资策略13问(一)

第三,从客观角度来看量化行业。由于近几年中国量化行业发展的非常快,在此期间国内的量化行业自己已经修炼了非常强大的内功。大家要知道海外华人在全球顶尖的量化公司的,尤其在研发岗位上占比是非常高的,大家也知道华人数学非常厉害,所以2014和2015年A股牛市期间回来了很多在海外头部量化基金做得非常好的一些投研人员,然后就是2019年到现在,应当说整个行业的快速发展也吸引了非常多海外头部的一些核心研发人员回国,所以今天量化行业是一个“人”的行业。这些人带着海外经验回来,并且把这些经验带入到了今天的头部的量化私募。我们自己有时候也讨论,我们跟海外基金在股票、期货、量化上面的差距,实际上在很多方面我们会更领先,尤其在针对国内市场方面。

问:公募量化和私募量化谁的投资

第一,激励机制。公募的激励机制是没有业绩报酬的,只有管理费,而且管理费相对是偏低的。如果你是一位很优秀的量化管理和量化策略研发人员,你会选择公募还是私募?你在私募里面管50个亿,给你的激励大于在公募里管500个亿,显而易见优秀的人会流向私募,就是激励机制的原因,更何况你的策略也不可能管500个亿。假如你的策略容量就50亿,公募只能收到在私募里报酬的1/10,所以这是从激励机制本身的结构原因。

第二,交易规则角度。量化本身没有额外的交易限制,但是公募是受很多额外的投资限制的,包括换手,日内的交易,这些会导致他们损失很多量化可以去赚到的收益,而这些收益往往是非常厚的,稳定的一部分,所以这个直接会带来量化收益的一个缺失。

第三,是管理规模。今天有志于长期健康发展的私募量化都会很好的去控制自己的管理规模。但是对于公募来讲,主要是赚规模的钱,这和没有业绩报酬这个特征有关。从卓识的角度来讲,赚钱的200个亿比不赚钱的400个亿好得多,不赚钱的400个亿需要经常和客户去解释为什么不挣钱,这不仅伤客户而且伤渠道,没有任何意义。

基于深度强化学习构建量化投资策略

图1 DRL的量化策略设计图

图2 从量化的角度做外汇交易 持仓状态转移

本文中的交易策略是时间驱动的,设agent执行交易动作的时刻为t,则在每一步交易决策时输入给agent的状态st设置如公式所示:St = (Xt, Ft)

强化学习算法的目标是最大化累计回报的期望,reward在强化学习算法中担当重要作用,某种程度上类似于监督学习的数据标签。奖励函数R由当前状态、已经执行的动作和下一步状态共同决定:rt = R(st, at, st+1)

本文的目标是应用深度强化学习学得一个量化投资策略是的策略能够稳定获得高收益。策略是agent用于决定执行动作的规则,是agent的大脑,本质上“策略”等同于“agent”。策略可以是确定性的:at = u(st);也可以是随机的:at ~ π(·|st)。

图3 智能体agent结构图

量化投资-量化投资长跑取胜

量化交易哲哥 于 2022-05-09 10:05:16 发布 80 收藏

刘钊:我们可以看看美国最成功的量化投资大师--詹姆斯•西蒙斯管理的大奖章基金,在1989 年-2006 年的17年间,大奖章基金平均年收益率达38.5%,而股神巴菲特过去20年的平均年回报率也不过20%。正是鉴干量化投资的巨大威力,摩根十丹利华鑫基金公司经过两年的精心准备,推出了国内真正意义上的量化投资基金--大摩华鑫多因子基金。

举例来说,衡量价值投资的最重要指标是低市盈率,如果以市盈率为标准来建模,以2005年5月为时间点,按市盈率对所有上市公司排序,再按市值比例模拟买入市盈率最低的100只股票,第二年5月,重新计算市盈率最低的 100 只股票,并调整组合,如此重复,每年调整一次仓位。得到的结果是,从2005年5月至2010年5月,沪深300指数的年化收益率为25.4%,同期量化建模的低市盈率策略基金的年化收益率达到29.46%,与沪深300指数相比,低市盈率策略基金的超额收益为4.06%。以此为基础,以预期市盈率为基础建立一个模型并模拟买入当年预期市盈率最低的100只股票,量化模型的年化收益率有36.51%。