关于人工智能策略投资的一点经历(目前已放弃)

我所在的团队,曾经做了一项目就是关于人工智能的策略投资系统。

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。
0

xc0108

赞同来自:

前面的两个评论其实都可以通过建立更多更好的工具来解决,比如如何更好的应对厚尾问题等。但复数工具集的使用难度和开发成本指数型上升,导致不如用基本的逻辑处理反而取得比较好的费效比。
2021-09-17 03:54 引用
0

量化投资先锋

赞同来自:

比如银行股,都是高杠杆经营,通常都是业绩优良,一旦暴雷,就可能毁灭性的,就可能导致资不低债,直接进入破产状态。有些企业到破产,可能需要一个很漫长过程,不会一下暴掉。

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。
2021-09-09 12:41 引用
0

量化投资先锋

赞同来自:

信息来源存许多问题:
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。
2021-09-09 11:45修改 引用
58

骆驼1978

赞同来自: yizhouhit Lee97 Loadstarr diyibangyan879 kite00 丢失的十年 rank jiandanno1 neverfailor 风火山林 自由之梦想 西北望1969 好奇心135 newsu 老李飞刀009 sothin 本德莱耀西 CAT108 RiverToSea 甘泉 walkerdu superbee haiyu 好的坏的都有 佛系1212121 顺势而动 分分钟狮子王 odesklaura 盛唐风物 Jifandailu 掌牛郎 风之未 Liberia 石头1983 bzg2015 钟爱一玉 Dio00 Ujg68gy 股海捕鱼1978 xingjdcn Cash007 日积跬步 homanking novacygni daxian100 丘吉尔是谁 夏天的夏天 周侃侃 垒山 Penny 人来人往777 壹壹壹 wolfcaaa nearby 红桃a uime hydk nkfish更多 »

在逻辑清楚的情况下,做暴雷策略根本就不用建什么系统,
不用想着比市场多知道一些、早知道一些,
而是应该反过来,
比市场晚知道一些、少知道一些,要尽可能地保持迟钝,
不要主动去寻找机会,
让那些利空铺天盖地、无法逃避地进入你的眼睛时,
才去看看有没有机会。
2021-09-09 11:15修改 引用
2

elodia

赞同来自: 蓝色坚韧球 画眉

其实,咱们延伸一下讨论

目前的事件信息传播处于极其容易,极其廉价的位置,一点点小事儿,经过市场波就变成了放大,放大利好,放大利空

实际上,特别畅通的传输,特别廉价的信息获取方式是助长助跌的。

这样搞一波,弄个反向策略试试看,是否可行?也不是条路么

在可以预见的未来,信息传播对决策的影响只会变大,,这种策略一样有前途、

不能说量化白马赚不到大钱,量化就不可行不是
2021-09-09 10:12 引用
0

lionboa7788

赞同来自:

感谢...这是最有价值的文章了!
2021-09-09 10:00 引用
3

vittata

赞同来自: 画眉 量化投资先锋 闲逛3万天

NLP...
好吧,这AI呢,其目的分为知识型和情报型两种
情报型的,我在别的领域搞过,比较成功。其实,现在许多部门都在使用这样的方法
估计楼主的设计还有提升的空间,突发风险事件,貌似(至少理论上)还是有可能的。情报方面的设计,最主要是要避免统计学的引入...

知识型的,搞出来的都没用,有用的都没搞出来。。。
2021-09-09 09:29修改 引用
2

elodia

赞同来自: 画眉 量化投资先锋

其实我觉得还是你的心魔啊

人工智能不一定要按照自己之前的逻辑做,你之前是想干量化自动白马策略

后来发现收益不过尔尔,反倒是发现暴雷的票十之八九平稳落地

这不就是知识突破么,反手一波,做一个暴雷策略,理论上饼子足够大,这个也是赚的

赚钱平等,不能因为这个是暴雷策略就歧视这个策略赚的钱是不是?

都是赚钱,赚什么钱不是赚啊?
2021-09-09 09:19 引用
0

天地玄黄宇宙洪

赞同来自:

mark一下
2021-09-08 12:20 引用
3

leesbing

赞同来自: 江城车贩子 果实果果 why888

文章和评论含金量太高了
2021-09-08 10:09 引用
1

th30n3

赞同来自: wjtb

听君一席话 胜读十年书
2021-09-08 08:27 引用
4

xc0108

赞同来自: lx_basement star 你猜再猜 zsp950

最新的Reinforcement Learning是可以做到完全不靠历史数据的,但数据维度高了之后复杂度变高,纯粹不依靠历史数据的系统的实际意义就下降了。
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。
2021-09-08 01:28修改 引用
0

玉宇

赞同来自:

学习
2021-09-07 22:57 引用
0

PEPPER2018

赞同来自:

原来爆雷教这样来得,学习
2021-09-07 22:42 引用
1

阿鲁哥 - 95后学生

赞同来自: chineseumi

你是从因子角度出发的,
我觉得量化要与套利紧密地联系在一起,就有另一片天空
2021-09-07 17:42修改 引用
0

ericericeric

赞同来自:

是否意味着,看财报,年报,还有会计数据意义不大? 最终还是一胆二力三功夫?
2021-09-07 17:39 引用
0

你猜再猜

赞同来自:

交易指标:动量因子与反转因子
交易周期:日内与隔夜
根据观察期指标筛选交易期品种具备高胜率与高赔率的特征。
2021-09-07 17:35 引用
2

jjduys

赞同来自: 东冬咚 wjtb

精彩,如同醍醐灌顶,金币感谢
2021-09-07 17:28 引用
2

elodia

赞同来自: 修心齐身2021 每日一歌

已关注,学习ing
2021-09-07 15:24 引用
2

哥斯拉顾

赞同来自: 可转债煮

精彩!!
2021-09-07 15:19 引用
2

骆驼1978

赞同来自: fuyda

@量化投资先锋

人工智能算法选择股票组合,最终下单是人还是机器很重要吗?因为是低频交易,股票组合还要经过风控过滤,所以不需要机器自动下单。

我认为回测并不能证伪,回测效果不好的策略,只能证明它不适合历史情况。

既然存在适应过去而不能适合未来的策略,那么一定也存在着,不适合过去而适应未来的策略,所以说无法证伪。

我反对的并不是量化投资,而是反对“历史会重复”这个方法论。
2021-09-07 15:00 引用
4

魔铁潜水艇

赞同来自: 画眉 fuyda 约翰牛牛Price sdu2011

以我有限的被割韭菜经验,很多时候经常出现事件A发生,上了新闻,然后市场什么反应都没有,然后过几个月甚至一年后股价忽然涨了,事件A忽然被人回头挖出来这种事情…………
2021-09-07 14:55 引用
7

量化投资先锋

赞同来自: 蝶之梦 画眉 江城车贩子 终极信息 fuyda Royal0000 你猜再猜更多 »

回测可以用于征伪,而不是用于证实。

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。
2021-09-07 14:49 引用
1

蓝色坚韧球

赞同来自: zsp950

感谢教主提供的信息,教主作为程序员在金融从业提供的信息是我这种天坑行业永远接触不到的。
感谢教主"稀有事件"提供的思考范式,很多事情都可以先判断是否是稀有事件,再思考怎么做。

要敢于凭借常识和勇气,对稀有事件分析判断并下注,信心和经验都是可以积累的。
对"稀有事件"会带给市场变化要牢记在心。
我是弱者,是不具备判断优势的,需做到短期逆势(市场会反应过度),中长期顺势(3~12月)不要害怕跟随稀有事件后上涨的强者。
2021-09-07 14:30 引用
3

maoxiong

赞同来自: chineseumi fuyda 组组长一

我在另一个贴子里的回答搬到这个帖子里也是一样的。
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。
2021-09-07 14:22 引用
0

smairdue

赞同来自:

看来人工智能也是从已知到已知
2021-09-07 14:04 引用
61

骆驼1978

赞同来自: yizhouhit Lee97 甘泉 阿灵1973 rogerc 画眉 fykjyy 丢失的十年 xineric gw124 fuyda CVV227 金鱼佬 tangzheci Loadstarr z20202027 约翰牛牛Price haglz Ujg68gy 你好cici 佛系1212121 bondyyang 闲菜 韩艳云 mengmeng walkerdu 青菜chong 豁哥哥 arking83 huanhappy2017 lu1999 孔曼子 Stars 愚豆酱 jacktree 乐闲 sybil03 我怕黑天鹅 分分钟狮子王 哥斯拉顾 浪涛 风过树梢 温正义 奔腾年代1999 番茄老爷 Wanli012 nevermind2019 zsp950 肥壮啃苹果 市小农 henze 我是一个host 诸葛若愚 张霸气 一路向北lz uime 无双0 韦昭 xu72606 likillerli 自在行风更多 »

只要动了回测这个念头,基本上就掉坑里了。只要一回测,模型效果不好就会做优化,优化还是不好,就会另起炉灶,只要肯花时间总会找到一个最优解。

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.....
2021-09-07 13:47修改 引用
0

组组长一

赞同来自:

全自动的估计不行,还是得提炼出想法,然后通过数据来回测,而且想法也就是策略,要和当前市场风格契合。也就是你想在风口浪尖做弄潮儿,不能光有好的模式和想法,数据分析和回测也很重要,相当于原来是286(人脑计算),现在用上奔腾芯片了
2021-09-07 13:36 引用
0

积少成多66

赞同来自:

运气好*!年初2月份跟着教主买了些低价报雷可转债!摊低价大饼,虽买的不多,不过半年也挣了些!再次感谢分享
2021-09-07 10:31 引用
2

tangle007

赞同来自: sothin 积少成多66

楼主资深量化老战士, 个人搞量化在机构面前从人力,软件,硬件,策略,资源各方面都是绝对劣势, 注定是韭菜的命, 所以但凡测试成绩好的量化策略我都要想想凭什么轮到你去赚这个钱
2021-09-07 09:53 引用
6

骆驼1978

赞同来自: 甘泉 Dio00 daxian100 Liberia 大卫1988更多 »

@Liberia

他们有的,这些国家机构的数字化/智能化水平比网友们想象的高得多。
很多民营企业老板以为自己偷税漏税很高明,其实早就被系统发现了,税务机构只是基于司法成本或经济稳定的考量没有立案罢了。
2021-09-07 09:29修改 引用
2

Liberia

赞同来自: lilianxu rogerc

这套系统倒是可以卖给工商、税务部门,哈哈
2021-09-07 09:23 引用
0

布谷小鸟 - 皆大欢喜

赞同来自:

最近这2年AI量化投资太凶猛了,特别是体量大的ETF,AI交易太活跃了,很多做短线的同学无所适从, 收益大打折扣。目前看AI量化投资是大势所趋, 很多机构都在搞这玩意。 为了生存, 我开始测试反AI量化投资策略了,目前有点效果, 但是路还很长,肯定还会有很多挫折。

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。
2021-09-07 09:23 引用
0

陪伴成长

赞同来自:

这个策略是准备用AI做 价值投资?

目前的量化策略,绝大部分都是做趋势投资,因为趋势投资可以短期兑现利润(亏损)。

如果你做一个长期的策略,那验证需要的时间就太长了,而且验证过程中存在无数的可能性。到最后,就根本不知道是你的策略还是运气导致的盈利(亏损)。

基于此,我认为 价值投资 是很难被 量化策略 替代的 。。。
2021-09-07 09:21 引用
0

积少成多66

赞同来自:

感谢大佬分享
2021-09-07 09:21 引用
0

叫花子

赞同来自:

学习。
2021-09-07 09:20 引用
1

zhenguo2009

赞同来自: 宝莲灯

你们都去赚大钱,可是我只想赚小钱,通过快进快出,确保成功率,避免亏大钱。
2021-09-07 09:18 引用
0

daxian100 - 知行合一

赞同来自:

关注,学习。
2021-09-07 09:13 引用

要回复问题请先登录注册

发起人

问题状态

  • 最新活动: 2021-09-17 03:54
  • 浏览: 16941
  • 关注: 178