首页 > 机器人资讯 > 用神经网络代替数学模型,DeltaGrad想成为量化投资界的阿尔法狗

用神经网络代替数学模型,DeltaGrad想成为量化投资界的阿尔法狗

日期:2019-02-27   人气:  来源:互联网
简介:用神经网络代替数学模型,DeltaGrad想成为量化投资界的阿尔法狗 如果一个人能炒股总是特别赚钱,但他却无法告诉你他为什么每次都能赚钱,你能放心把钱交给他吗? 在量化交易这个领域,36氪此前报道过不少项目。有私人量化交易平台JoinQuant、RiceQuant以及……

用神经网络代替数学模型,DeltaGrad想成为量化投资界的阿尔法狗

如果一个人能炒股总是特别赚钱,但他却无法告诉你他为什么每次都能赚钱,你能放心把钱交给他吗?

在量化交易这个领域,36氪此前报道过不少项目。有私人量化交易平台JoinQuant、RiceQuant以及优矿,为量化交易领域提供核心算法支持的众加,量化策略商城微量网、以量财富为代表的量化理财平台,www.zr-kuka.com,以及为量化投资者提供智能交易和分析工具的名策数据。如果你不懂算法,只懂投资逻辑,还有专门帮你生成量化投资策略的果仁网。

目前市场上看到的量化交易,背后大多有某种交易逻辑。每一个量化交易策略的建立,都需要输入与这套逻辑相关联的因子,比如历史表现、公司财务数据、宏观经济数据、上下游供应商数据等众多参数,建立一套模型以算出标的上涨或下跌的概率,并生成投资组合和调仓策略。随着近几年人工智能兴起,不少人开始选用机器学习等方式,输入众多因子,让AI自己生成策略。

36氪最近接触到的DetlaGrad的做法则跟这些都有不同,它们的定位是基于人工智能的量化投资公司,只输入交易数据,利用神经网络来训练模型。创始人说他们想做的是中国的桥水基金,但是从他的表述来看,我认为应该说他们想做量化交易界的Deepmind(研发阿尔法狗的团队),就连他们A股机器人的名字,都叫智富狗。

DetlaGrad的创始人庞然表示,团队早几年是做计算机围棋的,传统将人类下围棋的逻辑梳理成策略算法,庞然称此为穷尽的方法,最多只能将机器训练到五到六段,阿尔法狗的成功则说明,用深度学习网络的算法,能将机器训练到超过人类中的九段高手。他不否认策略的方式有效,国外大量量化基金的成功就说明了这一点,但是他认为这种方法难以超越人类。

庞然认为,这说明有些过于复杂的决策,影响的因子和情况的可能性太多,传统用逻辑和策略等穷尽的算法可能是搞不定的,现实中高手做判断也许是依靠长期经验积累下来的直觉,比如有的基金经理和操盘手只需要看K线,不需要看基本面,凭借盘感就能做出很好的判断,资深医生也是类似。直觉不代表瞎想,但他们却不一定能清楚说出背后判断的逻辑,实际上人脑的思考方式就是如此。

DetlaGrad的团队认为今年阿尔法狗的升级版Master是变革点,用神经管网络替代原来用逻辑和策略构建的数学模型这种思路,可以用到金融领域之上。阿尔法狗不知道选手怎么思考,它光看选手怎么走,就学习并超越了人类。因此,量化投资并不需要知道最好的操盘手怎么想,只需要知道最好的操盘怎么操作。

世界第一的操盘手,就是交易数据。我们目前从公开渠道所看到的交易数据,KUKA机器人维修,包括每日走势、交易量等,尤其买单卖单,是经过系统整合而成的数据,颗粒度不够细。因此,除了公开数据之外,DetlaGrad还会购买颗粒度更细的交易数据来训练模型,培养机器的盘感。

根据庞然介绍,DetlaGrad的模型目前做的是针对A股的量化交易,分为以下几个部分:

市场顶部风险预警和个股及大盘未来上涨概率预测(分为短、中、长三个维度,目前一只新股票需要1天的训练时间)。

策略发现和仓位调整,从后台15万策略中,找到最新触发,风险最小、年平均收益最大的策略。目前团队所使用的策略,均经过2011年以来的历史数据回测,保证平均年收益大于100%,最大回撤小于10%,然后基于上述上涨概率找到当天风险最小,收益最大的操作方法,输出成策略,告诉操盘手(现在有人把关,未来纯机器)仓位该调到多少,止损怎么设置,这样的操作对应的风险及收益分别是多少。根据最新股票预测数据,系统会每日调仓。

系统性风险预测,DetlaGrad有专门的预测系统性风险的模型,测算未来三天、五天、七天等出现系统性风险的概率,达到一定概率就清仓。

由于国内缺少高频交易和对冲工具、市场受政策影响大,国外对冲基金的策略拿到国内常常会失效,庞然认为,借助以深度神经网络为代表的新技术,也许可以解决这个问题。DetlaGrad的模型从6月份开始测试,模拟账户单月收益6.9%,同月大盘是6.4%;8月15日起启动了100万的实盘资金做测试,截止9月中旬实盘收益4.7%,最大回撤1.7%。

庞然认为,目前团队的优势在于团队了解计算机围棋变革的全过程,知道如何将变革应用到证券投资市场;使用自行设计并开发的网络结构而不是开源了网络结构,算法有领先性。

目前看来,DetlaGrad团队的实盘测试金额较小,毕竟不同管理规模的策略不同;同时模型还没有经历过现实中跨周期(经历过熊市和牛市)的考验,单凭历史数据无法预料黑天鹅事件。比如由诺奖得主成立的文艺复兴科技公司,旗下的量化基金在成立前三年成绩骄人,但后来因1998年俄罗斯债券违约事件的连锁反应产生巨额亏损。

另外一个问题是,投资者真的能对纯AI的决策有信息吗?作为一家私募基金,假设某天超越人类智商的模型做出了人类无法理解的决定,我们要听之任之还是阻止?天弘基金智能投资部总经理助理刘硕凌分享内部用AI技术改进投资的经验,他们一共选124个因子,KUKA机器人电路板维修,来识别某个股票是成好的还是坏的。第一版的效果非常好,但是无法解释,在这阶段,目前投资者还是不能接受,所以我们最后用了相对简单的决策树模型,我们可以看清楚AI的思考模式。

免责声明:本网部分文章和信息来源于互联网,本网转载出于传递更多信息和学习之目的。如转载稿涉及版权等问题,请立即联系网站所有人,我们会予以更改或删除相关文章,保证您的权利。