




版權說明:本文檔由用戶提供并上傳,收益歸屬內(nèi)容提供方,若內(nèi)容存在侵權,請進行舉報或認領
文檔簡介
基于人工智能的量化投資分析與應用2019年3月精品課件目錄人工智能給量化公司帶來哪些競爭優(yōu)勢?為量化投資提供服務金融科技公司量化投資的智能化趨勢人工智能在量化策略設計中的地位3精品課件人工智能給量化公司帶來哪些競爭優(yōu)勢?精品課件量化投資公司的競爭力更多的信息(網(wǎng)絡爬蟲獲得信息,人工智能所能處理的非結構化信息)更及時的信息(對于同樣的信息,誰先獲得誰具有優(yōu)勢,這對算法的速度提出了要求)對信息的正確解讀(金融邏輯)5精品課件人工智能能提供網(wǎng)絡爬蟲獲得更多的信息人工智能可以處理非結構化信息(文字識別、圖像識別、語音識別,要求處理的越快越好)處理信息的算法6精品課件Twitter預測股價精品課件人工智能的提供更多非結構化信息RemotesensingMetrics是一家衛(wèi)星情報分析公司,通過遙感衛(wèi)星記錄商場客流量。-衛(wèi)星追蹤星巴克、沃爾瑪?shù)娜肆鲾?shù)據(jù)和車場車輛變化-通過停車場的監(jiān)控數(shù)據(jù)、公司對賣場的客流量、市場份額、競爭對手情況進行分析。-并以周度、閱讀或季度頻率向客戶發(fā)送報告。2013年,twitter推送新聞稱兩顆炸彈在白宮爆炸,標準普爾下跌1%,美國大量的對沖基金使用twitter的數(shù)據(jù)進行自動化的交易精品課件人工智能可以提供非線性算法(AdaBoost)動態(tài)模型的選股機制能夠?qū)碗s多變的股票市場做出及時的反應,從而能夠更加貼近市場的最新變化。精品課件傳統(tǒng)多因子模型無法對市場風格變換做出反應按照因子值大小對股票排序根據(jù)排序確定個股權重構建投資組合精品課件AdaBoost對傳統(tǒng)非線性因子的改善算法中每一層的弱分類器本質(zhì)上是把原本非線性的區(qū)分能力進行了線性化MACD因子精品課件用分類樹方法預測股票是否高送轉(zhuǎn)非參數(shù)方法根據(jù)數(shù)據(jù)自動生成最優(yōu)分類樹“樹枝”具有較低相關性,防止“過度擬合”精品課件人工智能在學術界的應用媒體語氣會影響股票收益嗎?——基于互聯(lián)網(wǎng)媒體的經(jīng)驗證據(jù)-數(shù)據(jù):51家國內(nèi)主流互聯(lián)網(wǎng)媒體關于A股上市公司的新聞報道-方法:運用計算機信息抽取和自然語言處理技術,-邏輯:將媒體新聞劃分為正面、中性和負面報道,考察媒體語氣對股票收益率的影響。姜富偉管理層情緒與資產(chǎn)定價(JFE已接收)-數(shù)據(jù):上市公司財報和電視電話會議文本文檔-方法:使用文本大數(shù)據(jù)挖掘方法掃描數(shù)據(jù)-邏輯:提取公司財報和電視電話會議文本文檔里隱含的積極或消極情緒信息,構建反應經(jīng)理人情緒狀態(tài)的經(jīng)理人情緒指數(shù)。精品課件為量化投資提供服務的金融科技公司商業(yè)模式精品課件金融科技提供量化投資服務的業(yè)態(tài)精品課件金融科技公司提供的量化投資服務C端的策略回測平臺優(yōu)況、聚寬、米寬、大寬(量邦科技)、點寬提供了傳統(tǒng)的金融信息與易用的系統(tǒng)策略保密性無法保證在C端無法實現(xiàn)商業(yè)利益,部分平臺提供給券商研究所用于策略報告的撰寫,無法進入量化基金市C端的期權交易平臺小期旺期權更易懂、投入更低提供了散戶投資期權的機會精品課件金融科技公司提供的量化投資服務C端的智能投顧-為散戶提供擇股服務-為散戶提供擇時服務-散戶更關注漲停股而不關注倉位B端的金融科技公司-FoF系統(tǒng),提供基金遴選、資產(chǎn)配置量化分析(況客科技、數(shù)字動能)-投研系統(tǒng),提供研究報告寫作系統(tǒng)和知識管理系統(tǒng)(況客科技)-策略回測系統(tǒng),提供本地的回測,解決了策略保密性的問題(數(shù)字動能)-QuantEye,提供關鍵詞搜索、熱度,及策略回測(拉普拉斯公司)-朝陽永續(xù),提供一致預期數(shù)據(jù)精品課件優(yōu)況回測平臺優(yōu)礦,聚寬,中量網(wǎng),大寬網(wǎng),米礦等精品課件RentFinancitChapter9,Copyright?JohnC.Hull200919精品課件信富二級市場情緒指數(shù)若指數(shù)向上增加,說明市場看好,建議加倉若指數(shù)向下減少,說明市場看衰,建議減倉精品課件京東金融智能投資顧問智能投資顧問原理(基于BlackLitterman):問卷分數(shù)S風險容忍系數(shù)λ市場厭惡系數(shù)δ協(xié)方差矩陣Σ資產(chǎn)市值權重ωmkt
市場均衡收益∏=δΣωmkt
觀點收益Q觀點誤差Ω觀點分布N~(Q,Ω)
新合成的收益分布Π=Π+τΣP′Ω+τPΣP′?1(Q?PΠ)主觀觀點2得到最優(yōu)的權重Maxω′ER?λω′Σω歷史收益精品課件京東金融智能投資顧問基于風險容忍能力系數(shù)50分-110分資產(chǎn)配置分布對比圖20%10%0%30%40%50%60%70%90%80%100%50分5.63157860分5.10526370分4.578947380分4.0526315790分3.5263157100分3110分2.473684美元黃金債券股票貨幣基金精品課件況客科技的FOF系統(tǒng):資產(chǎn)配置功能精品課件況客科技的FoF系統(tǒng):基金的風格分析精品課件QuantEye事件搜索關鍵詞:共享單車精品課件QuantEye事件搜索"共享單車"的熱度(新聞)走勢圖精品課件QuantEye事件搜索事件前后資產(chǎn)漲跌幅走勢圖精品課件對商業(yè)模式的反思先進的技術未必成就好成功的商業(yè)商業(yè)成功的前提必須為剛需必須有客戶支付意愿精品課件量化投資的智能化趨勢精品課件國內(nèi)外量化基金虧損嚴重2016年10月13日,在紐交所上市的知名對沖基金城堡投資集團宣布,因連續(xù)虧損和撤資,公司將關閉其旗艦對沖基金堡壘宏觀基金(FortressMacroFunds),并向投資者返還現(xiàn)金。對沖基金巨頭復興科技投資公司宣布,因為虧損嚴重,將旗下一只量化對沖策略基金——復興機構期貨基金(RIFF)清盤,并向投資者返還資金。美國貝恩資本BainCapital宣布將旗下的絕對收益資本對沖基金清盤,返還投資者所有投資。該基金截至2016年8月底虧損超過14%。2017年國內(nèi)80%的量化基金都處于虧損,小市值因子階段性失效精品課件2016年以來諸多Alpha因子失效從收益來源看,對沖基金通常追求絕對收益,通過做多和做空一籃子股票獲取Alpha收益:指數(shù)基金被動跟蹤股票指數(shù),在一個持續(xù)性的大牛市中,指數(shù)基金通常能為投資者提供穩(wěn)定的beta回報,不過,alpha收益是很難獲取的,并且隨著對沖基金行業(yè)規(guī)模的不斷擴大,基金對alpha收益的競爭也越來越激烈,以最簡單的因子模型為例,2016年1月至7月,大部分股票因子都無法提供正的收益,這也是為什么對沖基金表現(xiàn)比較低迷的原因。10%6%5%-5%-8%-9%-9%-11%-15%-10%-5%0%5%10%15%規(guī)模因子股息因子估值因子波動因子收益因子報表因子成長因子動量因子2016YDT精品課件現(xiàn)代人工智能的突破AI與機器學習傳統(tǒng)編程機器學習精品課件人工智能六大應用Autonamy自動化Optimizecomplexsystems優(yōu)化復雜系統(tǒng)Understandingwhat’shappeninginpicsandvideos理解圖片和視頻Understandpeopleusinglanguage理解語言,理解人們Createcontent創(chuàng)建內(nèi)容Makingprediction做預測精品課件無用階級的出現(xiàn)精品課件人工智能引致的量化投資趨勢智能化:Fintech的興起給量化投資帶來了技術上的支持人工智能——非結構化式數(shù)據(jù)(文本、圖像、聲音等)→結構化式數(shù)據(jù)人工智能算法——線性的人工建?!蔷€性的建模元知識學習——用機器選擇不同的投資策略機構化:散戶慢慢被淘汰35精品課件人工智能對量化投資的影響人工智能會取代一部分基金經(jīng)理,但不會全部取代人工智能的優(yōu)勢費用更低廉基于算法的量化投資速度更快和準確度更高人工智能的劣勢黑箱,缺乏金融邏輯需要大數(shù)據(jù)的支持,數(shù)據(jù)隱私、數(shù)據(jù)脫敏問題精品課件量化投資是一門科技-AQR,D.E.Shaw,復興科技與城堡基金AQR(應用量化研究),CliffAsness研究——基于“系統(tǒng)的一致的方法”來構建投資組合四種風格——價值,動量,防守和持有風險平價策略,基于潛在風險而非資產(chǎn)類別的均衡配置D.E.Shaw(DavidE.Shaw)斯坦福的博士,哥倫比亞大學的計算機科學,計算生物學以及生物信息學教授一個投資于全球的技術開發(fā)公司,嘗試做其他公司認為不可能的,或者根本沒想過的事情復興科技(JamesSimons)石溪大學數(shù)學系主任量化交易,大數(shù)據(jù)分析,動態(tài)定價,電腦驅(qū)動城堡基金(KennethGriffin)高頻交易電子市場精品課件全球量化投資行業(yè)的新方向大數(shù)據(jù)系統(tǒng)+策略眾包(/link?url=DSOYnZeCC_rsz34r-YGLDyY1WHfztAcUG_H1iKm2_78.&query=quantotian)人工智能+智能投顧-策略配置-另類化擇時精品課件人工智能在量化策略設計中的地位精品課件精品課件人工智能的應用領域人工智能高度依賴數(shù)據(jù)人工智能對非結構化數(shù)據(jù)的處理-文本-圖像-聲音人工智能本質(zhì)上是一種非線性算法-非線性的擬合的好,但是不穩(wěn)健-可能出現(xiàn)過擬合現(xiàn)象,只要神經(jīng)元足夠多,可以逼近任何一個函數(shù)-策略參數(shù)可能不穩(wěn)健
精品課件人工智能不能取代金融邏輯人工智能的重要技術——機
溫馨提示
- 1. 本站所有資源如無特殊說明,都需要本地電腦安裝OFFICE2007和PDF閱讀器。圖紙軟件為CAD,CAXA,PROE,UG,SolidWorks等.壓縮文件請下載最新的WinRAR軟件解壓。
- 2. 本站的文檔不包含任何第三方提供的附件圖紙等,如果需要附件,請聯(lián)系上傳者。文件的所有權益歸上傳用戶所有。
- 3. 本站RAR壓縮包中若帶圖紙,網(wǎng)頁內(nèi)容里面會有圖紙預覽,若沒有圖紙預覽就沒有圖紙。
- 4. 未經(jīng)權益所有人同意不得將文件中的內(nèi)容挪作商業(yè)或盈利用途。
- 5. 人人文庫網(wǎng)僅提供信息存儲空間,僅對用戶上傳內(nèi)容的表現(xiàn)方式做保護處理,對用戶上傳分享的文檔內(nèi)容本身不做任何修改或編輯,并不能對任何下載內(nèi)容負責。
- 6. 下載文件中如有侵權或不適當內(nèi)容,請與我們聯(lián)系,我們立即糾正。
- 7. 本站不保證下載資源的準確性、安全性和完整性, 同時也不承擔用戶因使用這些下載資源對自己和他人造成任何形式的傷害或損失。
最新文檔
- 臨時工培訓補貼協(xié)議
- 縣域經(jīng)濟發(fā)展接送協(xié)議
- 光纜維修合同
- 個人車輛維修服務合同
- 博客管理分包合同
- 2025年商鋪租賃合同的條款設置
- 2025年講義材料著作權轉(zhuǎn)讓合同
- 道路竣工測量合同范本
- 會議活動服務合同范本
- 樓宇亮化照明工程安裝合同范本
- 2024年宜昌伍家新城投資控股集團有限公司招聘筆試沖刺題(帶答案解析)
- 2024年江蘇農(nóng)牧科技職業(yè)學院單招職業(yè)適應性測試題庫及答案1套
- 2024年江蘇農(nóng)林職業(yè)技術學院單招職業(yè)適應性測試題庫新版
- DL-T 1476-2023 電力安全工器具預防性試驗規(guī)程
- 飛灰處置及資源化綜合利用項目可行性研究報告模板-備案拿地
- 2024年咨詢工程師考試大綱
- 免疫治療皮疹護理查房
- 小學六年級開學第一課課件二篇
- 2024年棉柔巾行業(yè)市場趨勢分析
- 2024年邵陽職業(yè)技術學院單招職業(yè)技能測試題庫及答案解析
- 老年期譫妄課件
評論
0/150
提交評論