人工智能对资产管理的颠覆 ——人工智能夯实资产管理基础(2)

02

人工智能完善量化交易体系

[原创文章：www.11jj.com]

[好文分享：www.11jj.com]

（一）传统量化交易存在弊端

量化交易从很早开始就运用机器进行辅助工作，但分析师仅仅把机器当作一个运算器来使用。量化交易分析师们对财务、交易数据进行建模，分析其中显著特征，利用回归分析等传统机器学习算法预测交易策略。

这种方式有两个主要弊端：一是数据不够丰富，仅限于交易数据；更重要的是它受限于特征的选取与组合（FeatureEngineering），模型的好坏取决于分析员对数据的敏感程度。直到近些年机器学习的崛起，数据可以快速海量地进行分析、拟合、预测，人们逐渐把人工智能与量化交易联系得愈发紧密，甚至可以说人工智能的三个核心领域（机器学习，自然语言处理，知识图谱）贯穿量化交易的始终。

（二）人工智能可解决传统的弊端

1.解决海量数据计算瓶颈

用机器学习解决海量组合空间与计算机处理能力之间的瓶颈。

以A股的证券标的数量3000左右为例，理论上可以构建的投资组合数量大约是10^500（将所有可能的股票种类排列组合）左右，这超出了目前计算机的处理能力。区别于传统的人工选择方式，机器学习是将全部可能的投资组合都进行逐一计算，每天全部可能的投资组合的数量级一般在10^33（每一个组合股票数限制在5-50之间），证券投资人工智能系统就从这10^33的投资组合中，按照一定的算法进行筛选，最终选出满足一定收益和风险指标的投资组合呈现给客户。