这个系统主要分几方面展开:
1、利用自然语言处理(NLP)技术,监控网络舆情事件,对网络舆情进行情感分析,给出定量描述(利空/利好),并自动化生成内容摘要供投资经理参考。
2、利用产业链图谱,分析上市公司上下游企业经营状况(销售收入、利润及财务数据等),用来推断企业未来的盈利能力或隐藏风险。
3、监控上市公司主要产品市场价格与成交量信息,用于预测未来的营业收入。
4、对上市公司银行流水进行识别分析,从资金流的层面审视上市公司经营状况。
5、对行政、司法公告进行智能化解读,识别上市公司法律风险。
经过两年时间的实盘运行,取得了与沪深300指数同等收益。
根据结果来看,这套系统对上市公司风险事件几乎能够100%俘获,只要是后期出现债务违约或债券价格大跌的标的,都能被系统提前捕获(比如康美、康得新、中安消防等)。
但问题是错报的情况太多了,报出100次风险,有97次最终都能平稳落地。如果据此来调整持仓的话,交易会非常频繁,冲击成本过高;特别是债券,一时间找不到交易对手方,只能折价卖出,最终导致债券投资这部分是亏损的。
我当然知道其他团队(机构)也在做同样的事情,所以呢,我就创立了“暴雷教”,就靠债券暴雷以后,机构相互砍仓砍出的超低价格赚钱。
当然,100次风险里可能有10次是真的,那我就认亏呗,我的单只标的持仓不超过7%,不会有灭顶之灾。
=====================
从逻辑上说,这类系统是在提前捕获金融市场的驱动因子,比那种仅仅回测历史行情数据的学习模型更为可靠,便实际情况似乎并不支持这一结论。
根据这些实践经验,我慢慢领悟到,投资是否成功的关键因素,就是对"稀有事件"的解读能力。
注意,一定要是稀有事件,最好是以前没发生过的。
没有历史数据可以模拟,无法计量,人工智能就更没有办法了。这个时候,就是常识+胆量+耐心发挥作用了,往往也是赚大钱的机会。
从信息论的角度来看,越是稀有的事件,信息量越大,市场就会过度高估它的作用,特别是出现恐慌性、群体性大跌时,大概率就是抄底好机会。
=====================
仔细推敲不难得出一个结论:金融市场的走势主要受未来不可预测因素影响,已知因素对其影响非常有限,而我们投资者(包括AI),只能从已知事件中得出结论。
对于已知事件,满足以下条件可做为决策依据:
1、发生稀有的大事件,市场没有经验,你认为自己可以更深刻地解读它,并愿意承担相应的风险。疫情事件投资属于此范畴。
2、对于已知事件,你认为市场对该事件反应过度或反应不足,尚有后期影响可以利用。在信息极其畅通的今天,公开事件往往是反应过度。
3、对于已知事件,某些资金的特性决定了,被迫做出了某些动作,而不是基于标的价值的考量。债券暴雷投资法就属于这个范畴。
比如雷曼兄弟,一瞬间资金流短裂,导致资不低债,如果外界救助一把,不至于倒闭,实际最后清算资产都破产时高。
银行类非常典型风险后置,一旦出现风险,都是致命性的。
1、真假难辩识。
即使AI技术也无法识别真和假问题。
2、时间存在巨大差异性。
有人早都知道了,有人早就做出反应。
3、即使对于同样信息,人们反应也不同。
对于可能雷,绝对不能心寸侥幸,如果雷是可能致命的,且重仓,一定减仓。
如果轻仓,可以继续观察,或着轻仓参与都可以。
有些致命错误,只要一次就完了,有些错误,你犯再多,也死不了。
一种逻辑是前因后果,进行逻辑前推。
一种逻辑是后果前置,进行逻辑反推。
如果后果是无法承受的,就需要减仓处理,一直减到可以接受地步。
如果后果可能很好,就可以适当加仓处理,一直加到可以接受风险。
赞同来自: lx_basement 、star 、你猜再猜 、zsp950
工具是辅助形成投资逻辑的,投资逻辑的建立不应该押宝式的依靠一个工具,而应该建立于复数的工具集基础上。
大多数现代复杂量化工具都有一些适用前提,对工具的熟悉程度决定了你对其的应用水平。“新”工具并不一定代表“好”,简单的投资逻辑未必不起作用,高级工具并不一定带来最好的效果,但拥有一个工具库一般会比只掌握一个工具具有更广泛的适用性。简单的唯量化论和鄙视量化论都是十分机械的。
另外关于使用文本分析协助预测股票收益有一篇论文推荐Ke2020 - Predicting Returns with Text Data,是在美国股票市场做的,结果不错。
赞同来自: 蝶之梦 、画眉 、江城车贩子 、终极信息 、fuyda 、 、更多 »
测试情形只是某种特定情形下成立。
比如小市值策略,在特定阶段是有效的,有些阶段是无效的。
测试是为了验证逻辑有效性,过去有效未必将来有效,过去无效就证明策略存在漏洞,就要避免实战中入坑。
投资博弈中,出现对错都很正常,正确的就坚持,有错就改。
所谓LZ的人工智能的策略投资系统只是辅助分析系统,而不是人工智能交易系统,实际交易还是人工交易。
人工智能交易系统需要引入多个标的的价格和成交量,其它输入信号只是参考。
其它信号存在太多虚假性,很难验证,价格和成交量是真实的。
目前有几千股票代码,几千个基金,还有很多其它交易标的,如何实时选择最为恰当标的,人只能根据自己有限的认知选择,机器监控面更大,计算速度更快,机器套利有很大优势。
赞同来自: chineseumi 、fuyda 、组组长一
三个基本问题
- 所谓的量化是要解决一个什么问题? 能否把这个问题用数学语言表达出来?
- 求解这类问题,有哪几类方法?这些方法的主要原理有哪些?依赖的前提假设有哪些?
- 用这些方法来求解问题,产生误差的因素有哪些? 这些误差的估计能否计算?
楼主就属于第一个问题都没搞明白的,你到底是想预测公司的经营风险,还是想预测公司经营风险对股价债价的影响? 这是两个不同的问题,万万不能混为一谈。
很多人不停的质疑当前市场是病态的:三傻被按在地上摩擦而有些公司按市梦率估值。
理解了到底是市场病态还是这些人病态,基本上就能理解为什么你的策略不赚钱了。
其实和人工智能没啥关系。
赞同来自: yizhouhit 、Lee97 、甘泉 、阿灵1973 、rogerc 、 、 、 、 、 、 、 、 、 、 、 、 、 、 、 、 、 、 、 、 、 、 、 、 、 、 、 、 、 、 、 、 、 、 、 、 、 、 、 、 、 、 、 、 、 、 、 、 、 、 、 、 、 、 、 、更多 »
做投资,就要做那些无法回测,只凭常识就能判断出来的机会。
比如过去几次大机会:分级A跌停,IC当月合约贴水5%以上,可转债跌到70以下,疫情导致股市崩跌,交易所一大批AAA国企债跌到60-70元.....
布谷小鸟 - 皆大欢喜
老兄的经验有借鉴意义, AI量化投资目前无法提前应对突发事件和跳空高开低开等事件。