你的位置:亚美体育平台入口【中国】有限公司 > 新闻中心 > 亚美体育app登录 明汯投资

亚美体育app登录 明汯投资

时间:2022-09-18 13:00 点击:140 次

亚美体育app登录 明汯投资

量化投资与机器学习微信公众号,是业内垂直于量化投资、对冲基金、Fintech、人工智能、大数据等领域的主流自媒体。公众号领有来自公募、私募、券商、期货、银行、保障、高校等行业30W+温煦者,荣获2021年度AMMA优秀品牌力、优秀细察力大奖,贯穿2年被腾讯云+社区评比为“年度最好作家”。

2022全国人工智能大会于2022年9月1日至3日在上海举办。全国人工智能大会自2018年以来,已告捷举办四届。2022全国人工智能大会由国度发展和改良委员会、科学技艺部、工业和信息化部、国度互联网信息办公室、中国科学院、中国工程院和上海市人民政府共同驾御。

手脚本届全国人工智能大会经办单元之一,数库科技于9月3日下昼举办以“数无疆·智无界”主题分论坛,明汯投资合股人、投资总监解环宇发表了《畴昔已来——人工智能开启量化投资新篇章》的主题演讲,从AI与量化投资的发展进度谈起,再聚合AI中枢三身分拆解人工智能在量化投资的运用和实验,终末围绕如何打造高效迭代量化投资AI框架伸开确认。

在解环宇看来,人工智能中枢三身分(数据、算法、算力)在量化投资中都至关进军,三身分有用协同有助于量化投资战术络续⾼效迭代,如某安详分出现显着短板则有可能形成错失高速发展机遇。“2021年,咱们自有的高性能算计集群还是位居全国超算排行TOP500榜单前方。瞻望到本年底,咱们的算计集群将领有1500张GPU卡,3万CPU核、1Pb内存以及5Pb磁盘存储,在金融数据的运用场景下AI算力达到400P Flops。”

解环宇演讲中还展示了其正在扩充的量化投资AI框架,在他看来一个较为熟习的量化投资AI平台应该具备两大特色:前瞻性和高效迭代,前者体当今较为完善的顶层设想上,后者体当今多形式协同鼓动中。

以下为演讲实录精编

列位嘉宾下昼好,我是明汯投资解环宇,异常感谢驾御方的邀请,可以有这么的契机和全球共享今天的主题:畴昔已来——人工智能开启量化投资新篇章。

我的共享内容主要分为三部分:

☑ 第一部分是对于AI与量化投资的发展进度;

☑ 第二部分我将聚合人工智能的中枢三身分,伸开谈谈AI在量化投资中运用与实验;

☑ 第三部分我将以图表的形式为全球呈现目下使用的量化投资AI框架。

率先咱们一路往来来下AI与量化投资的发展进度,全球看这张图:

前边这段AI发展的历史我未几做赘述,几经逶迤到90年代,一些实验室的学者和量化界的前辈,启动把人工智能的看法和措施论引入量化投资领域,像全球熟知的几家外洋顶尖对冲基金也都在阿谁时候段接踵竖立,比如D.E. Shaw竖立于1988年,Citadel竖立于1990年,Two Sigma竖立于2001年等。但在阿谁时候段,AI在量化界更多的是以看法的形式存在,实战中如故以订价模子和统计措施为主流。

但从2000年启动,统计学习,机器学习等措施渐渐被全球所认同,更多的对冲基金启动使用愈加复杂的预测模子,跟着技艺和数据的积聚便有了后头深度学习、强化学习等人工智能技艺。

其中在我看来最为进军的时候点是2016年,在此之前的十年,量化同其他行业雷同都异常温煦神经网罗,也做了大批过问,但短缺一个极具劝服力的服从相持下去。2016年谷歌DeepMind斥地的AlphaGo击败全国围棋冠军李世石。这诟谇常震撼的事件,算是AI的一次“破圈”,深度学习(Deep Learning)、强化学习(Reinforcement Learning)等专科词汇被人们熟知,通盘工业界,量化界加速把要点从统计学习,机器学习转到更前沿的深度学习上,亦然从这个时点启动,全球显露地感受到:畴昔已来。

接下来再浅薄回来下AI与明汯投资的发展进度。明汯于2014年4月竖立,其2014-2016年是公司的起步阶段,以传统的统计措施为主。

接下来的2017,2018年,咱们启动系统性地加入机器学习和深度学习技艺,成为国内最早一批将人工智能技艺告捷运用到金融阛阓的量化私募处分人。

2019年启动,咱们进一步加大过问,启动大规模斥地高性能算计集群,每年咱们都在络续过问,目下仍处在指数增长阶段。

那随之也带来一些可以的服从,比如2019年年底,明汯投资处分规模率先冲破300亿;到2020年中,明汯成为国内首批处分规模冲破500亿的量化私募处分人。可以看出,明汯的成长历程亦然人工智能在量化领域的一次告捷探索。

咱们的脚步莫得停驻,反而束缚加速。2020年,咱们诞生北美投研中心,从中国走向全国,络续经受全球顶级投研人才,为明汯提供全国最前沿的技艺救济。2021年,咱们自有的高性能算计集群还是位居全国超算排行TOP500榜单——这对一家量化投资机构诟谇常繁难的。

基于这么的高性能算计集群,一个熟习的量化投资AI框架应该具备哪些特色?率先要有前瞻性,体当今较为完善的顶层战术架构设想上;同期要高效迭代,需要多形式协同鼓动。具体来看可以归纳为五个考察维度:圭臬化、经过化、自动化、智能化和淡雅化。

那接下来咱们聚合人工智能的中枢三身分,伸开谈谈其在量化投资中落地与运用。

第一个中枢身分是数据

金融数据与其他行业的数据不同,较为复杂。

但当它以另一种更“进阶”的形式存在于人的日常生活中,可能就会引发不同的反响。不久前,奔驰官方推出了一项付费解锁项目,宣传海报显示,某一型号车的车主可以支付4998元来享受一年的后轮自动转向角度升级,即将原来的4.5°提升至10°,转弯直径降至10.9米,方便车主在更狭窄的道路上掉头转弯。

昨天在塔纳利斯的南海海盗窝点A了大半天,一开始走了一些弯路,新闻中心结果还算顺利,升到了47级。

1、金融数据的复杂性:

a. 低信噪比

“低信噪比”意味着数据中杂音比例高,索要有用信号的难度也就比较大。模子在学习过程中,若是退换不够适合,就容易学习“杂音”。由于这一本性,咱们在制造模子的时候,尤其强调幸免过拟合。

同期处理金融数据时要异常刺眼逻辑。以A股为例,不同的股票具有不同的涨跌停轨则,另外新股上市以及复牌等行动,这些都要特地处理。是以咱们要在逻辑的基础上,对信息进行合理挖掘、过滤、组合。

b. 时序单调性

咱们的目标是用历史数据预测畴昔,是以一定要幸免畴昔信息的引入,并要合理评估历史回测。

2、金融数据的类别

a. 圭臬化数据

比如交游所原始数据、原始行情,各样繁衍出来的价钱、交游量、K线图等等。你灵通一个炒股软件,上头可能会有分时图、K线图等。这些其实都是基于交游所原始数据繁衍出来的数据,这些比较“Clean”,咱们称之为圭臬化数据。

b. 非圭臬化数据

比如新闻论坛、分析师确认,券商提供的一些文本数据,梗概专科的第三方机构供咱们参考的一些数据。这些数据比较圭臬化数据会“Dirty”一些,需要对它做数据清洗。

第二个中枢身分是算法

算法无疑是通盘量化投资的中枢,也可以称之为模子。

1、因子挖掘模子:浅薄来讲便是把清洗好的数据做特征工程

a. 逻辑因子挖掘

举个浅薄例子:当年一段时候的收益率便是一个特征,形色的是当年一段时候内股票涨跌的现象,通过回测,通过评估,你可能会发现这么的特征在畴昔会具有一个趋势或是回转。

b. 算法因子挖掘

另一类则是这么的:可能我仅仅把一些价钱、交游量梗概其他数据输入到算法里,让算法学习在决策放学习出最优参数,这种称为算法做出来的因子,这类因子更刺眼在预测中的阐扬而非逻辑。

2、预测模子

当咱们做完因子工程之后,咱们就要去做预测模子。其实,绝大多数的量化战术的实质便是做预测,比如预测畴昔一段时候的收益率,那有哪些模子呢?

a. 刺眼可证明性的线性模子:OLS

b. 统计学习、机器学习模子:Lasso、SVM、GBDT

c. 可端到端的深度学习模子:DNN、LSTM、Transformer、GNN

以上三个模子也侧面反应出咱们的迭代进度,复杂度渐渐递加。其实很长一段时候咱们都把机器学习手脚咱们重点沟通的对象,比如说树模子,其模子复杂度、参数比较传齐备计学习模子有了很大的普及,预测效果也更好。那再到自后的深度学习模子,复杂度进一步扩展,你能调出的限度的空间当然比原本扩大许多。

总体而言,预测模子的发展是检朴单到复杂、畴昔还要更复杂的过程。

3、组合优化及交游算法模子:

a. 传统的均值方差模子(Mean-Variance Optimization)

b. 比较前沿的强化学习模子(Reinforcement Learning)

第三个中枢身分是算力

模子的算法依赖算力。咱们从早期浅薄的几台CPU就业器,算是“小米加步枪”,到目下大规模高性能算计集群,其实只资格了五六年的时候。瞻望到本年底,咱们的算计集群将领有1500张GPU卡,3万CPU核、1Pb内存以及5Pb磁盘存储,在金融数据的运用场景下AI算力达到400P Flops。而旧年同期的数字唯有1/4,全球可以直觉感受到:咱们每一年在高性能算计集群的过问异常遍及。

畴昔咱们会进一步扩建算计集群,当今每个月都要做一次意料打算,为畴昔半年、以致一年算力膨大提前做好准备,这么才略为多样算法模子的查考提供饱和的资源保障。

聚合刚才所说的三身分,接下来共享下咱们目下所使用的量化投资AI框架。

最右侧的图可以这么以为,在实盘中是信得过的阛阓梗概是交游所,各方参与交游的场景;在回测中你可以我方构建这么的机制,来模拟阛阓环境。

左边是底层、运用层和分析层。底层便是设施+数据,包括数据模块和多样各样的算计资源、网罗资源、存储资源。

当阛阓数据流向底层之后,咱们会先进入数据模块,经过数据清洗、圭臬化处理,再流向运用层。运用层主要包括刚才提到的算法,分为因子部分模子部分和交游部分,当预测模子取得限度后,就会进入组合优化和交游实验。经过组合优化和交游实验后,就会形成交游发单给阛阓,阛阓再形成交游报告,复返给交游单元。

刚才提到的这些底层和运用层形成的数据其实都可以和分析层进行交互。从底层看起,咱们要对硬件和数据做监控和分析,来保证通盘平台基础的可靠性。再比如运用层,因子工程要做许多因子评估,同理做出的模子也要进行模子评估。交游法式做出的交游,交游法式所取得的交游报告,要进行风险评估和交游分析。交游分析对通盘量化异常进军,你的交纪行载可以匡助你迭代模子、优化算法。

可以看出,人工智能体当今量化框架的每一个措施和边缘,肯定它在畴昔会有更多的运用。

在我看来,量化投资与人工智能,归根结底如故“人”。这一个个工程的背后凝结的是人的身手和汗水。我但愿能有更多的人才温煦量化投资领域,也但愿有越来越多的“贤才”加入咱们,一路来完成这些有道理又故兴致的工程!

同期在公号众一年一度的原创 IP 步履《见字如面》中,明汯投资的二位认真人也为统统Quant奉上了祝颂,也让咱们期待一下2023年他们又会说些什么吧!

亚美体育app登录

发布于:甘肃省声明:该文视力仅代表作家自身,搜狐号系信息发布平台,搜狐仅提供信息存储空间就业。
官网:www.thelittlegreenapple.com
地址:新闻中心写字楼2179号
邮箱:8f24f7@qq.com

Powered by 亚美体育平台入口【中国】有限公司 RSS地图 HTML地图


亚美体育平台入口【中国】有限公司-亚美体育app登录 明汯投资