量化交易员通过技术指标的分析
Analysis 量化交易员通过技术指标的分析 of Necessity of Opening the Quantitative Trading Course and Curriculum Design
Bojiao Mu 1 , Yan Li 2
1 School of Economics and Management, China University of Geosciences (Beijing), Beijing
2 School of Management, China 量化交易员通过技术指标的分析 University of Mining & Technology (Beijing), Beijing
Received: Nov. 2 nd , 2020; accepted: Dec. 18 th , 2020; published: Dec. 24 th , 2020
Quantitative trading driven by mathematical models and computer automation is replacing traditional subjective trading to become a main way for financial transactions. The fast development of the quantitative trading market poses an urgent demand for cultivating quantitative trading personnel. This paper analyzes the necessity of opening the quantitative trading course in colleges and universities by comparing quantitative trading and subjective 量化交易员通过技术指标的分析 trading, summarizing the development trend of quantitative trading, and identifying the differences between the quantitative trading course and the traditional security investing course. Then, 量化交易员通过技术指标的分析 this paper studies the curriculum design of the quantitative trading by identifying the course audience, setting teaching goals and prerequisite knowledge, and proposing curriculum content and the evaluation mode.
Keywords:Quantitative Trading, Curriculum Design, Trading Strategy Development, Personnel Education in Colleges and Universities
Copyright © 2020 by 量化交易员通过技术指标的分析 author(s) and Hans Publishers Inc.
This work is licensed under the Creative Commons Attribution International License (CC BY 4.0).
大数据与人工智能技术的快速发展正在使社会经历着深刻的变革。证券投资领域作为长久以来新技术的先行者，又一次成为人工智能技术应用的践行者。这些新技术与投资理论的结合催生出了量化交易(quantitative trading)这样一种新型的证券投资方式。量化交易指的是从大规模历史交易数据中挖掘规律，构建由数学模型驱动的投资策略，通过计算机编程实现自动化交易，以期获取稳定盈利的交易方式 [1]。自从20世纪70年代初，巴克莱国际投资管理公司发行全球第一只量化基金以来，量化投资和交易发展迅速，如今已经在证券投资市场上占有优势地位。特别在新冠疫情导致今年年初股市大跌之后，量化交易成为促成金融市场反弹的重要力量，J.P. Morgan的最新调研显示2020年3月份1000万美元以上的金融交易大单中，超过60%都是由量化交易完成 [2]。
量化交易之技术分析 (二)
股票技术分析三大假设与点评2/3 技术分析法是以传统证券学理论为基础，以股票价格作为主要研究对象，以预测股价波动趋势为主要目的，从股价变化的历史图表入手，对股票市场波动规律进行分析的方法总和。技术分析认为市场行为包容消化一切，股价波动可以定量分析和预测，如道氏理论、波浪理论、江恩理论等。 2， 市场运行以趋势方式演变。 “趋势”概念是技术分析的核心。从“价格以趋势方式演变”可以自然而然地推断，对于一个既成的趋势来说，下一步常常是沿着现存趋势方向继续演变，而掉头反向的可能性要小得多。这当然也是牛顿惯性定律的应用。还可以换个说法：当前趋势将一直持续到掉头反向为止。虽然这句话差不多是同语反复，但这里要强调的是：坚定不移地顺应一个既成趋势，直至有反向的征兆为止。 关于这一理念，据观察可信度大概在60%吧。事实上不光是价格的变化沿趋势行进，世界上很多客观事物发展都是按趋势形成的，夏天不会直接进入冬天，白天不会一下变成黑夜，肯定得有渐 变的过程，直到达到顶点而反转。而我刚所说的概率主要是指我们通常技术分析判别趋势的方向时。趋势和价格的变化是客观的，它本身也不会造成市场的涨跌，而我们对趋势的判断则是主观的，这时就存在一个概率的问题，因此各种技术分析方法也喷涌而出。关于如何辨别和抓住趋势那可真所谓见仁者见仁、智者见智了，很多时候我们还得依靠一个朋友——运气。 量化点评: 趋势和价格可以用技术指标在市场深度较高的产品作分析, 交易单次的确有运气成份, 但长远也要靠注码控制(position size) ,风险管理系统如(Monte Carlo), 等等作多次交易分析, 趋势太多顺势而为, 有小数情况下逆势而行, 这的确需要一定的市场经验才能配上量化指标, 作出交易指令。
量化交易员通过技术指标的分析
关键词：技术指标 顺势指标 小波去噪 量化交易
顺势指标又称商品通道指标，其英文全称为“Commodity Channel Index”（CCI），是由美国股市分析家唐纳德·蓝伯特（Donald Lambert）所创造的一种重点研判价格偏离度的分析工具。其于20世纪80年代被提出，是一种比较新颖的技术指标。
AI和机器学习对量化交易领域的影响
特别需要提到的是人们对于本领域的误解：有些人认为最重要的是 机器学习 的算法，这是不对的。真正有价值的是使用的预测因子或特征。目前 机器学习 的专业人士都在使用相同的预测因子，尝试以迭代的方法开发不同的模型，希望产生良好的结果，但最后都因为数据偏差而失败。作者的研究表明，使用简单的分类器，例如二元 逻辑 回归就可以检测一组预测因子之间否具有可产生经济价值的联系。因此，成功的关键在于 特征工程 ，这是一门艺术与科学相结合的学科，需要知识，经验和想象力才能发现具有经济价值的特征。只有少部分专业人士能够做到这一点。
3. 人工智能 与 机器学习 对于技术分析的影响
在作者看来，技术分析方法正在慢慢过时。交易的未来在于处理信息，实时开发和验证模型。未来的对冲基金将不会依赖于图表分析。一些交易员仍然会这样做，因为他们处于过渡的边界，旧的方式与新时代相交汇点。许多不熟悉 人工智能 的交易员将发现他们很难保持竞争力，并会选择退出。
4. 新交易技术时代的赢家与输家
现在有很多学习 机器学习 ，AI和交易的资源，但大多数交易员都无法完成这个转变，95%的交易员会被淘汰。
未来将会有很多 人工智能 投资顾问，如何挑选一个适合特定需求的投资顾问将会成为具有挑战性的任务。
对于不熟悉AI和 机器学习 的人们，与该领域的专业人士交流将比自己埋头看书要有效得多。
Michael Harris很多观点，我们有一致的见解：
我们需要更好的AI工具和服务
微软 /Google等大型互联网公司在10年前就开始使用大规模 机器学习 和 深度学习 。在量化投资等行业，普遍还在用着几十年前的过时的分析方法。AI人才缺乏，技术门槛高，把很大部分人挡在外面。BigQuant，面向量化投资领域的AI平台，希望通过我们团队多年的 机器学习 经验和投资经验，能将AI的使用门槛降到最低，让每一个投资者都能使用。
特征工程 是关键
是否有了AI，我们就什么都不用做了。答案是否定的，至少在可见的未来，在弱 人工智能 时代，AI还不能达到这样的水平。AI是工具，在量化投资上，因子/特征代表了投资者的领域知识和领域积累，好的因子/特征和AI结合才能发挥最大的价值。在BigQuant上，我们提供了AI算法、金融数据和大规模算力，让投资者可以专注在因子/特征的发掘和创新上，重复和 大数据 计算工作让AI来辅助完成。