|
|
近几年，Python的热度一直在涨，它的应用领域也非常广泛：自动化测试，Devops运维，爬虫工程师，Web开发，数据分析，机器学习等，不过 Python 还有一个神秘而有趣的应用领域，那就是量化交易。
量化交易，听起来很高大上，其实就是众多投资方法中的一种。
要理解什么是量化交易，首先我们来说说什么叫“量化”。
我们来想象一种场景：
假如有人做了两道菜，让大家去评价这两道菜，哪道菜对我们来说更有营养。通常，大家可能会通过“看”两道菜里的食材种类和数量或者基于知识经验，来作出评价。
而如果我们通过数学模型统计工具，对两道菜里的成分进行数据分析和计算，来得出结论，这就叫做「量化」。
同样的，我们利用计算机技术，通过建模分析、优化参数等手段，从历史金融数据中挖掘出影响投资的指标，使用程序进行自动交易来获得“超额”的收益，这种投资方法就叫做量化交易。
通过量化交易，投资者极大地减少因为主观地“经验性”判断和“情绪化”地冲动作出非理性地投资决策；同时因为计算机出色的计算能力，投资者也能更快地找到投资的“规律”。
640?wx_fmt=jpeg
AI在量化交易中的应用
说起AI在量化交易中的应用，我们不妨拿股票举例。
作为一名投资者，我们投资获得的收益主要有两种：一种是Alpha收益，另一种是Beta收益。
这两种收益有什么区别呢？
简单来说：Beta收益是由大盘整体的变化带来的收益，而 Alpha收益则是受多种因素影响的收益。所以相对来讲，想要获得Alpha收益，则需要考虑的更多，因此也更难获取。
那么如何才能获得更多的Alpha收益呢？
这里我们要提到一个叫做“因子”的概念。拿上文中选菜的例子来说，每道菜里的“蛋白质含量”、“维生素含量”就是因子。在股市中，对各种因子的组合制定不同的策略，再执行这些策略，就能获得更多的Alpha收益。
从下图可以看出，今年来大部分的股票因子都无法带来正的收益率。
640?wx_fmt=jpeg
然而，在量化交易中，我们做不好的，人工智能却能替我们做好。
利用 AI技术，我们可以处理传统意义上无法量化的数据，通过使用不同的算法，计算机可以选择并执行不同的投资策略。
640?wx_fmt=jpeg
AI量化交易的就业前景
目前，国内各大券商的量化岗位，在招聘时均会明确要求应聘者有计算机或人工智能等相关领域背景。
从薪资来看，国内量化分析师的平均工资为17260元/月，应届生的工资也达到了10K左右，平均工作经验在3年以上的工资水平可达到20K以上。不过纸面上的工资对他们来说可能只是零花钱，在机构效益好的年份，年终奖甚至能达到工资的好几十倍。
640?wx_fmt=jpeg
从学历来看，量化分析师的岗位以本科学历为主，硕士为辅，充分说明了量化在业界的发展比学术界领先，在这种黄金时期，入门AI量化时不可待。
640?wx_fmt=jpeg
AI量化的学习路径
对于零基础的同学，想要入AI量化的大门需要翻越4座大山：金融理论，交易策略，机器学习与深度学习，AI量化实践。
1. 金融理论
这一部分主要了解量化交易发展过程中经典的理论及模型，如市场有效假说、期权定价模型、投资组合管理、股票市场的随机过程、二叉树模型、微笑模型等，这些是理解金融市场行为等理论基础。
2. 交易策略
基本面、技术面分析、时间序列分析、Alpha策略、多因子模型、CTA策略都是传统的典型的交易策略。即使在使用AI解决量化交易的过程中，传统的交易策略也被大量地使用，这一阶段主要能掌握传统交易策略的思想以及使用方法即可。
3. 机器学习与深度学习
任何交易策略最后都要落到实地，尤其在量化领域，使用AI技术需要掌握基础的机器学习和深度学习算法。吴恩达在Machine Learning和《Deep LearningSpecialization》深入浅出地讲解了机器学习和深度学习理论和算法原理，是入门者的必备良药。
4. AI量化实践
实践是检验真理的唯一标准。学习者需要在真正的市场环境中去检验编写的策略是否有效，并不断进行优化、改进，才能够为投资者实现稳定的收益。 |
-
|
