量化研究每周精选-20171026

量化研究每周精选
标签: #<Tag:0x00007fcf64b5c6e8>

(iQuant) #1

导语:本周精选了5篇量化研究文章,主题为量化交易、策略模型相关,也涉及机器学习、大数据技术等在交易领域中的应用和交易模型的讨论,其中两篇文章介绍机器学习和大数据平台对交易系统的改进和补充,值得借鉴。第四篇文章介绍了市场上常用的几种基于逻辑思想的交易策略。最后一篇文章为Financial Hacker对于主流的交易方式提出的质疑,可供大家思考。BigQuant拥有海量的数据和主流开源AI框架,赋能每一位爱好机器学习/深度学习和量化交易的人。

$$目录$$

  1. 《AI在金融领域崭露头角的六大原因》
  2. 《使用IBM Watson和Bluemix为交易员分析暗数据》
  3. 《使用Hadoop将交易策略开发的性能提升20%》
  4. 《构造更好的策略!第二部分:基于模型的系统》
  5. 《我并不真正理解的17个交易方式》

  • 《AI在金融领域崭露头角的六大原因》

    原文:《Six Reasons Why AI Has Emerged in Finance》

    关键词:人工智能,机器学习,大数据

    人工智能近几年的发展已远超我们的想象——它如今正在替代工作,增强人类技能,在日常生活中驱动新的发现。一系列的力量偶然地汇合,使得AI能力的巨大发展应用到金融服务领域(和其他地方)。AI是基于机器的智能,分为三种形式:弱人工智能,通用人工智能和超级AI。目前弱人工智能开始应用,已经为有效利用它的企业提供巨大的投资回报。本文总结AI得以崭露头角的六个原因:2012年开始ML技术的突破;大数据可用和可访问性;GPU相比于CPU可同时处理多个并行数据流,提高处理速度;云计算平台提供的充足计算能力;开源软件带来的开放性和共享性;MOOCs提供便利的教育平台。

  • 《使用IBM WATSON和BLUEMIX为交易员分析暗数据》

    原文:《Analyzing “Dark Data” for Traders Using IBM Watson and Bluemix》

    关键词:暗数据,机器学习,交易

    股市交易是高风险高收益的商业活动,社交媒体的日益活跃增强了这一效应。目前存在难题为:面对每天24小时来自传统与社会媒体的数据,交易员没有足够时间收集,分析并对新信息做出反应。根据IBM研究,大概90%的数据被收集但从未被使用,这样的数据被称为暗数据。如何使用技术改善这一状况,增强对暗数据进行分析呢?IBM给出解决方案:使用IBM Watson和Bluemix等工具可以对暗数据进行分析并用于调整交易模型。可分析的暗数据包括社交媒体信息、视频、天气信息等,IBM并对此给出了详细分析步骤。虽然IBM对这两个产品非常看好,但依然有一些解决方案瓶颈:假消息的干扰、关键词和标签的识别正确度以及交易模型针对新的变量需做的修正。

  • 《使用Hadoop将交易策略开发的性能提升20%》

    原文:《BUILDING STOCK TRADING STRATEGIES: 20% FASTER WITH HADOOP》

    关键词:交易模型,大数据,聚类

    交易员通过将大量策略基于不同市场情况分类来构造交易系统,面临两个痛点:1.策略挑选耗时长,需要人工对交易策略进行分类;2.系统数据量巨大且需定期修正。交易员以前是通过使用筛选器降低因子数量,但得到策略多样性不足且常常遗漏一些必要的因子。作者通过使用Hadoop平台和K-means聚类模型解决这个棘手问题,流程为:该平台收集股票数据并将其转化为hdf格式,预处理数据,使用K-means算法进行两轮聚类分析,后处理数据,数据转化为hdf以供未来使用。文章详细描述聚类分析过程,较有新意。改进后系统运行效果显著:系统构造和挑选过程加快20%;被挑选出的合适策略类别增加两倍;策略更新更加频繁,可以在分析中包含更多因子。

  • 《构造更好的策略!第二部分:基于模型的系统》

    原文:《Build Better Strategies! Part 2: Model-Based Systems》

    关键词:模型,策略,市场低效率

    本文谈论基于模型的策略,通读全文后,其实指的是那些有逻辑基础的策略,和数据挖掘策略形成鲜明对比。开发基于模型的策略始于想要利用市场低效率。这个低效率造成价格异常或者可以用定量或者定性方式描述的价格模式。事实上,并不是所有的价格异常都可以被利用,比如美国市场将股价限制在1/16显然是低效率的,但很可能很难用于预测或从中赚钱。基于模型的策略可以被分类如下:趋势、均值反转、统计套利、价格约束,周期,聚类,形态识别,季节性,日间差,自动回归和异方差,价格异动等。作者结合实践对以上每种策略进行简单介绍,给出部分数学公式和策略模板代码,对适用性进行点评,值得注意的是,多个策略都展示资金曲线,读者可以根据资金曲线来理解策略。

  • 《我并不真正理解的17个交易方式》

    原文:《Seventeen Trade Methods That I Don’t Really Understand》

    关键词:交易,预测,技术分析

    如果你最近对交易有一些迷惑和徘徊,我们强烈推荐你阅读这篇文章,相信大部分人会重新对之前的一些交易认知做批判性思考。作者说到,当他开始技术交易时,他感觉像进入了中世纪炼金术士的场景。许多奇怪的交易方法、数百种技术指标和蜡烛图模式承诺能让你预见未来价格走势。这些交易方法的创造者常常忘记给出为什么有效或者如何使用才有效的解释。本文给出一个不完整的列表,包含作者不能理解的17种交易方式,比如:观察价格曲线,技术指标,艾略特波浪理论、江恩理论、Fibonacci数列、网格交易法等等,作者结合一些回测和统计数据研究,认为以上方法要么是拼运气,要么是创造者通过推销策略来赚钱,并不值得相信。读完此文,你可以知道大多数交易者都亏损的原因。



量化研究每周精选》每周一期,为大家提精选研报、前沿研究、热门文章等优质内容。
查看所有 量化研究每周精选。欢迎投稿 (i@bigquant.com)。


(大胡子) #4

感谢!希望周刊能一直做下去。