12.2021第四期AI量化投资训练营

预习材料说明

由bigquant创建,最终由bigquant 被浏览 221 用户

导语

各位学员: 大家好!欢迎参加《第四期AI量化投资训练营》,希望通过此课程,大家能够掌握扎实的AI量化知识、精髓技能,快速地实现从主观经验判断的传统投资到AI+大数据的新型投资转型。 为了帮助学员更好地理解课程内容,准备了预习材料,现对预习材料作如下说明:

量化平台

本次课程基于BigQuant授课,可先在宽客学院平台文档熟悉一下平台操作,方便上课时更快进入状态。

Python

从2017年开始,Python成为了现象级语言,一举拿下编程语言的C位。在 TIOBE编程语言排行榜中,Python也紧随Java、C之后,在开发者最喜爱的编程语言中位居第三名。

  1. 具有丰富的应用场景,涵盖全栈开发、网络爬虫、数据挖掘、人工智能、Web开发、系统网络运维、数据分析和计算、图形程序开发等方向。
  2. 上手快,相比较Java、C语言,难度减半。同一个任务,C需要写1000行,Java需要100行,py只需要10行。 正是由于Python的这些特性,使其成为量化投资研究最流行的语言。Python是本次培训涉及到唯一编程语言。 详见《材料一:python》

Pandas

在量化投资领域,大量的工作属于数据分析。Pandas是基于NumPy的一个开源Python库,它被广泛用于快速分析数据,以及数据清洗和准备等工作。简单地说,你可以把Pandas看作是Python版的Excel。 有趣的是pandas的最初由AQRCapitalManagement于2008年4月开发,并于2009年底开源出来。AQR为一家对冲基金公司,历经20年而仍维持行业前列。其名称的缩写是:AppliedQuantitativeResearch,以应用量化研究为投资理念,目前管理规模约2000亿美元,是全球规模最大的量化对冲基金。Pandas很好地处理了时间序列特征的金融数据,可以说,它是量化策略开发和数据建模中使用最普遍的开源包。 详见《材料二:pandas》

多因子模型

相似的资产会有相似的回报,这是多因子模型的基本假设。多因子模型作为量化投资研究领域的经典模型,在海内外各类投资机构均受到广泛研究和实践应用。虽然其在划分上属于传统量化投资,但其使用的模型和特征工程的思想也可以看作机器学习,因此本次培训也会对多因子模型进行介绍。 多因子模型有完整的一套研究体系,国际领先的投资决策和风险管理工具的提供商Barra正是基于此提供完善的产品体系。学习多因子模型,可以加深我们对机器学习策略的认识和思考。 详见《材料三:多因子模型与Barra风险结构管理模型》

AIAlphas

基于人工智能的阿尔法策略框架,包括基于AI技术在策略研究上的阶段性的工作和成果,并提供完整代码,读者可克隆策略,复现效果和继续改进。能帮助学员拓展研究思路,应用AI来做更好的策略研发,把人工智能的能力赋予更多的投资者(Democratize AI to empower investors)。 详见《材料四:AIAlphas(A股版)》

机器学习

人类对新问题做出有效决策依靠的是过去积累的经验,并对经验进行利用,而对机器来说,“经验”以“数据”方式存在,机器从过去众多“数据”中产生模型,并对新数据进行预测,这个过程就可理解为“机器学习”。机器学习是人工智能领域中最能够体现智能的一个分支,也是发展最快的一个分支。本次培训提到的人工智能,主要指机器学习在量化投资中的应用,包括深度学习。 详见《材料五:机器学习〔中文版〕》《材料六:机器学习》《材料七:introductionmachinelearning》

Deep Alpha-DNN

Deep Alpha是BigQuant借鉴深度学习模型应用于金融量化投资领域的系列AI模型,包括全连接深度网络(DNN)、卷积神经网络(CNN)、长短期记忆网络(LSTM)、对抗生成网络(GAN)、ResNet、TabNet等。

其中Deep Alpha-DNN是采用基础量价数据,模仿动物神经元的激发模式和连结模式,基于单个神经元以全连接的方式构建层数大于3的深度模型。我们在知识库撰写了DeepAlpha短周期因子研究系列之:DNN在量化选股中的应用

本报告完整体现了BigQuant算法组如何构建一个深度学习模型的基准框架,并且设置11个对照组检验模型的稳定性,同时设置把模型设置为滚动回测的模式,以更好地适应市场。滚动训练回测显示:**在2014年1月2日到2021年7月30日整个回测周期内,DeepAlpha-DNN策略的整体收益率高达3859.52%,**年化收益率为65.19%,α为0.7081,β为0.4677,收益波动率为32.81%,最大回撤为49.60%,整体夏普率达1.589,做到了8年近40倍。

学员们可以前往知识库查看删减版,如是会员也可联络小Q开会员专属空间。

其他说明

除了七份预习材料,还为大家准备了很多相关拓展资料,可以平时多阅读拓展知识面。

{link}