最近看到一篇比較宏觀角度的文章，覺得還挺有意思，於是翻譯出來，以饗讀者。
使用高頻智能系統迅速的賺取市場的利潤，這是大部分量化機構在做的事情。自動交易佔美國市場交易量的75％以上，並且這個數字還會繼續增加。那麼普通交易者如何創建一個系統，使他們能夠做出明智的決策並在當前衆多智能系統的挑戰下找到alpha？在本文中，我提出了一個框架，通過該框架，機器學習和人工智能可以爲普通交易者的決策和交易策略提供支持。
構建基於AI的框架來推動您的交易策略並非易事。我不會說所有的普通交易者都能夠完成這樣的任務。但是，這樣的框架是確實可行的。如果我說我們能有一種由人工智能驅動的系統，這個系統能讓普通投資者簡單的進行鼠標點擊就能操作獲得利潤，我想大家是能信服的。這樣的框架可以將強大的機器學習算法放入普通投資者手中，甚至可以讓普通人自己製作策略並自動化他們的交易決策。目前，這樣的系統非常昂貴。但是讓我們來看看系統是如何構建的，以及我們作爲開發人員，工程師，AI研究人員和其他團隊可以採取哪些步驟構建類似的系統。
傳統策略→人工智能驅動策略
自動化價值投資
目前有很多不同的方法來評估股票。也許您作爲交易者從整體的角度來分析公司的資產負債表。也許你不太喜歡研究太深入，僅僅使用市盈率指標，如動態市盈率、靜態市盈率、權益負債率、收益率增長和盈利增長。您可能僅限於對您信賴的股票組合進行分析，但是如果您可以自動選擇這種股票呢？如果您可以輸入對您重要的參數並返回符合您所需標準的股票列表呢？最終，根據您的喜好，您可以使用系統根據這些標準自動構建您的投資組合。雖然我相信這是一種最佳方法，但也許您不會去使用，但是您最好對這種方法非常有熱情。 AI驅動的系統根據您的個人參數做出決策並評估股票應該能夠在t = 0時獲得盈利，而且它能夠根據您的參數設置來自動提高或者降低頭寸利潤。
在上面的模型中，我們使用所有期望的輸入來評估股票。我們可以添加任何額外的輸入，你可以增加層數，添加或刪除隱藏層中的神經元，但輸出層會是精心設計的。您可以根據您認爲合適的價值投資原則添加儘可能多的輸入，雖然你的輸出所需要的計算可能更復雜。
我們還可以爲其他股票添加額外的模型。假設我們在上證指數中按市值投入10萬人民幣在前100名的股票上。然後我們將創建100個模型，每個模型對應一個股票。我們使系統自動化，以便在每次更新指標時將這些模型與100種股票相匹配。然後，我們可以按比例將我們的資金投資於那些在買入、持有或賣出的輸出層中的概率與我們的目標一致的股票。如果我們確定75％的置信度門限來證明買入決策的合理性，那麼持有買入置信度75％以上的股票會佔用我們一部分的資金。我們也可以給買入決策進行加權，我們可以說75％的置信度我們分配最低金額，比方說500元。然後從那裏我們可以線性擴展，讓我們說每增加一個百分點就是25元。以100％的概率，這表明單一股票的投資爲5000元。隨着買入概率下降和賣出概率增加，我們可以調低頭寸。那些買入決策的頭寸我們可以增加，而賣出決策我們可以減小頭寸。具有75％賣出概率的股票我們可以完全不碰。隨着賣出概率下降，我們增加頭寸。您可以快速的從神經網絡的輸出中構建多種不同的策略。
自動化技術分析（TA）
正如我們之前所討論的，市場上的利潤越來越難以獲得。想象一下，你是一個普通交易者，平均盈利每天從0.2％降低到.02％。在這種情況下，您已經看到您的利潤從大約50000 /年（在200個交易日內爲0.2％，初始投資組合爲100000元）減少到約22000元/年（在200個交易日內爲開始投資組合爲0.02％） 10萬元）。您需要將每日收益增加10倍以恢復到正常收益，這似乎不可能完成的任務。對於普通交易者來說，這是不可能的。一個人無法在同樣的風險水平下處理每天10倍的回報所必需的信息流或決策，甚至許多公司都遇到這個問題，他們保持競爭力的策略是在不增加風險的情況下將所有可能的利潤一點一點賺出來。爲此，許多公司都採用軟件算法來達成目標。但如果你能將技術分析轉化爲自動化策略呢？
讓我們把它分解成最簡單的術語，這裏我們也許有點過分的簡化了。想象一下，你是一個嚴格地遵循移動平均線的交易者。也許你做的非常漂亮，並且在交叉等關鍵點建立了20個最喜歡的股票和交易移動平均線（以及可能的其他指標）的預警系統。平均每天您可以進行5筆短期交易，並在必要時迅速退出交易。通過嚴格地遵循這一策略，5筆交易都給你帶來的利潤。如果你可以將同樣的策略延伸到300只股票呢？您完全可以構建一個自動化系統來爲您處理此策略。 如果有更多的股票和更長的週期，您不需要手動交易，而是成爲幕後黑手。您只需要觀察，確保您的自動系統不出現異常。
在上述網絡中，我們使用指標作爲輸入，但是我們不使用指標的直接數值作爲輸入。相反，我們爲每個指標使用二進制值。例如，如果簡單移動平均線（SMA）給出買入信號，我們稱之爲1。如果SMA給出賣出信號，我們編碼爲0。我們沿着這條線進行編碼並相應地編碼我們的所有數據。
人工智能主導市場的未來
我認爲我們應該思考如果大多數（99％以上）投資市場參與者使用上述框架將會發生什麼？當然這種情況很難發生。但在量化基金表現優於所有傳統投資公司的世界中，由於對利潤的渴望，一定會促使更多公司模仿量化基金的行爲。當然，人工智能和機器學習在這些基金公司中被大量研究和使用，我認爲機器學習的一些最好的研究和應用可能就存在於這些基金公司中。不幸的是，這些策略具有及其昂貴的知識產權，而像Renaissance Technologies這樣的棄用機器學習的公司少之又少。
我認爲，想象一個市場幾乎完全由人工智能，算法交易以及機器驅動的未來是現實的。我認爲在未來幾十年內絕大多數市場參與者將是代表其公司的人工智能，這並不瘋狂。這是什麼意思呢？我認爲這意味着人工智能的存在會帶來最睿智的投資組合管理，並在許多不同的市場中同時展現這種睿智。我認爲這意味着人工智能的存在可以消化大量的市場信號和正常人類永遠無法分析的數據，並且以最快速度獲得“最佳”數據。
想象一下，人工智能通過市場如此廣泛地傳播，以至於市場變成了算法的競爭。我認爲在這一點上很難與有效市場假說爭辯。當AI主宰市場時，任何想要進行交易的交易者（人或其他）的每一個操作都會被算法相應地接收和分析，博弈論在這樣的系統中將非常明顯。人工智能可以預測的公司不僅可以預測公司在盈利方面的表現，還可以預測其他人工智能如何對所有可能的情景做出反應，如何獲得最佳回報。然後人們只能開始試圖破壞和干擾算法。想象一個由這種AI系統主導的世界，而不是交易者和機構的博弈，這是非常有趣的。
結論
人工智能驅動的策略已經在市場上普及，這些策略被簡化並以點擊方式提供給普通市場參與者只是時間問題。製作模型和模擬市場非常有意思，我鼓勵任何精通機器學習，深度學習的人將傳統的價值投資和技術分析轉化爲更廣泛的基於機器學習的策略。
人工智能與深度學習做量化請關注：AI量化(https://t.zsxq.com/RvfY37y) 星球限時免費，如需加入，請私信我獲得免費邀請碼！
零基礎學習Python與深度學習應用請關注星球：Python與深度學習 https://t.zsxq.com/bUFayZ3
微信公衆號：QTechAI
