量化簡史（從公式到人工智能）

在遇到同花順iFind之前，星空君學(xué)過一段Python，然后用幾個免費的數(shù)據(jù)庫爬取數(shù)據(jù)，實現(xiàn)了財報數(shù)據(jù)和交易數(shù)據(jù)自動入庫，然后形成想要的分析報表。

后來發(fā)現(xiàn)某網(wǎng)站搞量化策略征集，就去注冊了個賬號，系統(tǒng)的了解了一下當(dāng)前的量化情況。

所謂量化，就是依托于計算機(jī)技術(shù)的自動化交易。美股大約70%以上的交易量來自于量化，A股數(shù)據(jù)不是非常透明，樂觀估計大約40%的交易量來自于量化。

公開信息顯示，目前中國已知的規(guī)模前十的私募中，有一半是量化。

另一半，嘿嘿，星空君認(rèn)為采用了量化3.0（什么是量化3.0，見下文分解）。

需要注意的是，量化只是一種交易方式，賺錢的是邏輯是模型，而不是交易方式，和是否量化無關(guān)。正確的邏輯和模型，無論是量化還是人腦，都會賺錢；不正確的邏輯和模型，無論是量化還是人腦，都不會賺錢。

在歷史的發(fā)展中，量化技術(shù)發(fā)生了根本性的變化，現(xiàn)在前沿的基于神經(jīng)網(wǎng)絡(luò)的量化，和早期的量化，已經(jīng)完全不是一個物種。

從實際操作來看，量化更適合高頻交易，人腦定性投資更適合低頻長期價投。

一、量化0.1，公式時代

很多炒股軟件會有一些公式，有的是軟件提供的警示點，有的是炒股高手定義的買入賣出點。

這就是最簡單的量化，邏輯清晰。

在Python的量化公式里，這類買點、賣點非常多。

這是最初階的量化，但還不算量化，星空君定義為這是量化0.1。

二、量化1.0，因子時代

應(yīng)該說，現(xiàn)在對量化有偏見的投資者，絕大多數(shù)對量化的認(rèn)知，還停留在因子時代。

什么是因子？

搞IT的都明白，無非就是一條if語句。

但中國的金融市場有個問題，除了金融工程專業(yè)畢業(yè)的，大部分財經(jīng)專業(yè)都是學(xué)文的，缺乏理科思維。

對量化的認(rèn)知，就缺乏理科思維。

而搞金融工程的，都在悶聲發(fā)大財。

星空君偷偷關(guān)注了一個量化協(xié)會，發(fā)現(xiàn)現(xiàn)在研究量化的頂尖人才，基本上是清北最高端的高科技人才。

他們對因子的研究，早已不是那么簡單。

比如是這樣的：微博情緒和股市波動情況的關(guān)聯(lián)分析。

他們不僅僅是對股票做量化，甚至把微博、抖音等社交媒體也搞了量化，利用大數(shù)據(jù)直接自動梳理和股價相關(guān)的因子… …

三、量化2.0，上云時代

如果說1.0時代的計算主要依賴于服務(wù)器，到了2.0就開始上云了。

上云的好處是：無限算力。

只要徐翔能把他的投資邏輯表達(dá)出來，就可以落地，然后窮舉、上云。

四、量化3.0，模型時代

比較有趣的是，量化3.0時代，可能有的量化不是量化。

如何理解呢？

只要投資家的投資邏輯是穩(wěn)定的、可復(fù)述的，那么他表達(dá)出來的這個投資模型，就是量化。

不管是否接入計算機(jī)，哪怕他只是一遍一遍的用人腦去投資，也是一種量化。

為什么要把這種思維模式定義為量化？

是因為新的量化4.0時代來了：人工智能。

五、量化4.0，人工智能

曾經(jīng)有傳言，阿爾法狗跑到A股來搞量化，然后虧損退出。

事實上這是一個謠言，一方面，阿爾法狗并沒有來A股；另一方面，基于阿爾法狗類似邏輯的神經(jīng)網(wǎng)絡(luò)人工智能，正在美股大放異彩。

如果說1.0-3.0都是模擬、復(fù)制人的投資策略的話，那么4.0就是另外一種玩法了：超越人腦，獨立思考。

以阿爾法狗下圍棋為例，當(dāng)它大殺四方擊敗所有人類包括圍棋天才柯潔的時候，柯潔說了一句：我感到渾身都在顫抖，真的，寒冷地顫抖。我再也控制不住情緒，趕緊沖出對局室，找到一個無人的角落里哭了起來。因為即將到來的3:0，這樣的結(jié)局對我來說實在是太絕望了。

為什么會這樣？

因為后期的阿爾法狗，已經(jīng)不再采用人類的下圍棋思路。

這是神經(jīng)網(wǎng)絡(luò)機(jī)器學(xué)習(xí)的奇妙之處，你只需要告訴它目標(biāo)，它可以自主學(xué)習(xí)。依賴世界上最強(qiáng)的算力，它可以在最短的時間復(fù)盤人類歷史上所有記錄的炒股邏輯，然后自主學(xué)習(xí)。

我再舉個栗子，現(xiàn)在有一種新興的職業(yè)，叫人工智能訓(xùn)練師。

比如，訓(xùn)練師告訴AI，這是人臉，那也是人臉，這一個不是。

慢慢人工智能開始自主學(xué)習(xí)，然后自己開始學(xué)會了畫人臉。

比如下圖的左側(cè)，是人描繪的風(fēng)景，右圖是人工智能根據(jù)“自己”的理解“畫”出來的圖。

事實上，即便是沒有輸入，人工智能也能夠通過自主學(xué)習(xí)畫出“想”要表達(dá)的畫面。

（清華人工智能團(tuán)隊2018年作品，人工智能自主繪畫）

我想表達(dá)的是什么？

每個炒股高手的每一次點擊、買入、賣出的操作，如果被人工智能記錄了，然后再基于此去自主學(xué)習(xí)，把所有股民都當(dāng)做人工智能訓(xùn)練師，最終實現(xiàn)的量化交易，會是怎樣？

舉個例子吧：

有數(shù)億用戶的同花順。

同花順在智能語音、自然語言處理等技術(shù)應(yīng)用研發(fā)取得較大突破，在語音識別領(lǐng)域發(fā)表的兩篇論文，被國際語音處理頂級會議INTERSPEECH 2020收錄；

閱讀理解團(tuán)隊參加機(jī)器閱讀理解全球權(quán)威比賽SQuAD2.0獲得總排名第三，單模型第一的成績；

自然語言處理團(tuán)隊參加全球?qū)υ捪到y(tǒng)技術(shù)領(lǐng)域頂級賽事DSTC9，獲得跨語言對話狀態(tài)跟蹤任務(wù)第一名。

有意思的是，SQuAD2.0這個比賽，科大訊飛、阿里達(dá)摩院、谷歌和微軟亞洲研究院等知名機(jī)構(gòu)都參加了，一家互聯(lián)網(wǎng)證券公司拿了前三和單項第一，你能想象其背后的野心嗎？

再給大家看看同花順發(fā)布在年報里的項目：

關(guān)鍵詞： 量化簡史（從公式到人工智能） 人工智能