Let us do so together

let-us-do-so-together

The goal: 直接去钱的货源地取货 ,no 996/007

  • 直接去钱的货源地取货【图1】, 通过实现了这点,我们就摆脱了:
    • 【图2】的情况

当我们不用上班, 不用参考他人的脸色,还是过着有钱的生活,我们就知道目标实现了。 下面两个表笔者迟一点会填好的!

What-is-your-product

-@G-KO-2605-X--4B-L3U35

什么是量化交易?

  • 证券投资界有3个主要学派:
    • 基本面学派:主要通过分析企业的财报和经营情况决定投资决策,巴菲特就是基本面学派的。
    • 技术学派:主要通过分析行情图决定投资决策,索罗斯就是技术学派的代表人物(Ps索罗斯也是懂基本面的)
    • 量化交易:西蒙斯就是这个学派的代表人物,他的文艺复兴公司有大量计算机工程师、数据科学家、物理学家、气象学家,就是没有经济学家。是的, 量化交易大量依赖数学和高速计算机(ps.量化交易也可以使用基本面学派和技术学派的知识)。

我们要走的是量化交易路线。

楼主实现了吗? 稍后有答案

How it work & 谁适合加入?

  • 量化交易系统通常都由以下两个子系统组成:
    • 历史回测系统:用历史行情数据验证一个交易策略的获利情况,具体实现是由计算机“仿真”一段和真实世界一样的历史,由一个机器人按照策略的逻辑执行交易,最后得到收益曲线图、年化率、盈亏比等信息【图1】。换句话说,回测系统解决了“如果我们过去几年按照这个策略的逻辑交易,最终的获利效果是怎样的?”的问题。
    • 实盘系统:由计算机程序自动执行交易策略代替操盘手人工看盘。

找到获利稳定的策略是量化交易成败的关键一环。通常有以下途径:

  • 策略从哪里来:
    • A 拿来主义: 就是去股吧/B站/各种APP听各路大神BB,把他们所说的操作逻辑转化为python程序代码扔到上面所说的历史回测系统中测试,如果大神们的策略真的能获利,就可以免费(白嫖)获得一个策略啦。这种方法的好处是不用花太多时间学习金融交易的知识,普通的python程序员通过简单的学习就可是开始了。缺点是大神们自己得先有获利稳定的策略,并且愿意公开。
    • B 自行研究: 【见 下方 How it work —— 人工智能篇】

so 谁适合加入?

人工智能系的同学和距离成为有闲阶级一步之遥1

人工智能系的同学和距离成为有闲阶级一步之遥2
【图:已经有扎实的数学和编程基础的人工智能系的同学和距离成为有闲阶级一步之遥】

  • 以下:
    • 例如已经掌握人工智能/机器学习的同学可以通过学习一些金融交易的知识,然后走上面的B路线就很容易占领这个行业的制高点啦
    • 已经掌握python,又不想花时间学习人工智能的同学可以尝试上面 A路线,说不定运气好真又那天遇上“已有获利稳定的策略,并且愿意公开”的大神。 但是笔者已经在这上面花了太多时间并无收获。
    • 已经掌握python,数学知识也扎实的同学可以先学会 人工智能/机器学习, 然后……上面1。
      • 下方“接下来是人工智能入坑指南” 有免费的入门课程给这类同学preview难度

How it work —— 人工智能篇

举个例子1: 一个旅游公司有一个行程智能规划系统,目标是让客户玩得开心。……为了让客户玩得开心,今天该不该安排水上运动呢?这个智能系统会拿今天的天气等情况和历史数据做对比,假如历史数据上很多天气和今天类似的日子里安排的水上运动客户都玩得不开心, 那么就不安排了。这就是基础的人工智能/机器学习——机器从历史数据中学习到了“是否该安排水上运动”这个知识。

举个例子2: 假如东莞厚街这里的一家会所要招聘新的小姐姐,因为今年疫情的原因很多行业的小姐姐,例如航空业的空姐很多都失业了,造成过来应聘的人太过于火爆,人工筛选太低效了。会所开发了AI系统来做初步摔选,那么这个AI系统首先要知道什么样的小姐姐才能让客人玩得开心:

0 小姐姐的年龄 身高 体重 三维 颜值 来自那个省市 按摩技术 ***技术 服务态度 (目标)客人玩得开心?
1 18 168 58 ... 10分 ...
2 23 155 52 ... 8分 ...
…… ....
2999 ...

把类似上面的数据喂给这个AI系统(feed the system with above datas),它应该能学会如何筛选小姐姐的。

假如我们喂给系统的数据是类似这样的:

0 小姐姐的血型 学校专业 是否是党员…… (目标)客人玩得开心?
1 B型 ** ...
2 O型 ** ...
…… ...
2999 ...

系统应该是学不会筛选小姐姐的,因为喂给系统的数据其实和“(目标)客人是否玩得开心”没有什么关系。

如上面小姐姐的例子一样, 如何确定上面的表格应该包含哪些列这个过程在机器学习中叫做“特征工程(feature engineering)”,是整个AI系统的关键。

量化交易中,我们也可以这么设计特征工程:

买入证券时基本面的价值是否高估/低估 财报的净利润增长率是否为正/负 技术面上均线处于多头/空头排列/纠缠无序 是否出现量价齐升/降 等等等 (目标)交易能否获利

*例如下表中买入前3、7、14天rsi平均值是技术分析中用于表示是否处于超买/超卖的指标

Where are we now in the big picture?

  • 笔者可以贡献以下:
    *

@todo

小总结

@todo

入坑前有两个关键问题要弄清楚:

  • 这两个问题是:
    • 1.人工智能/机器学习不是计算机编程的小分支【图1】:
      • 机器学习需要计算机编程知识,但只能说计算机编程是机器学习先置学科,就像物理学需要数学知识,但不能说物理是数学的一个小分支。
      • 虽然很多机器学习工作成果交付的形式都是程序代码,但如果误认为 机器学习是计算机编程的小分支会造成快速“从入门到放弃”—— 因为没有足够重视它是一门交叉学科的难度,就不会准备好投入足够的时间和其它资源去学习。笔者其实也犯了这个错误。
    • 2.量化交易员/程序员不能简单地理解为程序员的一种:
      • 道理是和上面类似的。下面【图2】是量化交易员/量化研究员面试时的机试题,虽然需要python编程知识,但是如果让一个普通的python程序员来挑战,应该题目都看不懂吧!?

接下来是人工智能入坑指南

以下不是完整的机器学习入门路线,只是给大家试看看 所谓的人工智能,所谓机器学习,研究的就是这些东东,让大家弄清楚:1.自己是否感兴趣; 2.是否还足够年轻,还有能力学会。

  • 吴恩达教授在斯坦福大学的《机器学习》课堂实况录播

    • 可以尝试着听第1节的后半部分 -- 第6节看能听懂不(ps 第1节前半部分是新生入学须知之类,可跳过)
  • 台湾大学李宏毅教授的《machine learning》课堂实况录播

    • 可以尝试着听第2 - 7 节看是否能听懂(ps.第1节是从宏观角度介绍人工智能用于什么样的问题的,内容也没有难度)

@todo 还要找至少一个数学课程。

太多数学太难了?

这两个课是最简单的,从0开始,不假定学生有相关基础 —— 也就是说如果你去这两个学校读《人工智能》专业,那么第一节听到就是这些课。 没听懂,或者不想研究这些复杂的东西,那....放弃吧。。

还可以更简单吗? 《吐血推荐!!!真正可行有效的机器学习入门指南!!!只看这一篇就够了!!!》是一名中学生(初二)写的,应该不难,但是我也没有仔细研究他推荐的东东,除了吴恩达教授的推荐和我的推荐重叠之外。

ps 不要质疑初中生怎么会懂《人工智能》这种学科, 2017年之后从学前班到高中好像都有 《人工智能》课。 以后这些小朋友看不懂人工智能的95前就像现在看待不懂用计算机的爷爷奶奶们了

--

可预见的困难

@todo


识别下方二维码在浏览器中阅读本文。