第二章 开启一个量化投资系统

一、量化投资系统平台的特点和难点

 

量化投资就是借助传统统计学、数学，以及近年的人工智能、机器学习方法，从海量历史数据中不断学习、预测、评估，寻找优化量化模型及策略，并纪律严明地按照优化策略来指导投资，力求取得稳定的、可持续的、高于平均的超额收益及回报。量化投资属主动投资范畴，本质是定性投资的数量化实践，理论基础是行为为市场的非有效性或弱有效性【1】，从寻杂非理性市场和非理性心理中获益。基于人工智能的量化投资系统需要有特点：

• 数据多维、信息全面。借助计算机高效、准确地处理海量信息。
• 自动训练、模型回测。借助人工智能技术，通过强化深度学习，自动训练，高效率进行海量学习和评估回测。
• 机器执行、严明纪律。严格执行模型所给出的投资策略，克服人性的心理弱点。　
• 系统建设是低成本高效率的，但能够承载先进高负荷模型学习训练的要。
• 系统应该是实时性可视化的友好界面交互的。
• 系统应该开放可拓展、可多平台多媒介及实现移动化的。
• 系统必须有实时可靠交易平台。能够实时放灾预警、健康监测的。

 

个人搭建量化投资系统有以下难点及风险需要特别注意：

• 数据的及时性、可靠性、数据的质量是必须要保障。
• 模拟真实交易环境的真实性。比如避免未来函数、建仓和平仓的真实限制条件、保证金、滑点和佣金计算的准确性、交易价格与真实价格的一致性、模拟收益曲线与实盘交易曲线的一致性、测试结果与理论期望值的吻合程度。
• 规避量化交易的风险：包括策略模型风险由于数学模型不完善，或者学习模型过拟合，影响投资策略实现并可能导致资产亏损。规避有损公平交易的合规风险；避免实盘中的操作风险。

 

二、开启我的个人量化系统建设之旅

 

在低成本、低资金、低风险的开启条件下，开始建立自己的反脆弱系统。

 

起始阶段是建立一个弱预测的人工智能学习平台。该系统对喂养的训练数据要警觉，信号反应要快，总体策略是生成期权买卖合约组合，在日交易中卖