私募做AI模型还是做策略

目录索引 一、问题背景 5 二、机器学习模型介绍 5 机器学习因子选股框架 5 多类别逻辑回归 7 支持向量机 8 随机森林 10 极限梯度提升树 12 深层神经网络 13 不同机器学习模型的特点分析 14 三、选股策略描述 15 模型训练方法 15 机器学习训练平台和模型超参数 16 策略回测设置 17 四、实证分析 18 机器学习模型预测性能比较 18 机器学习模型打分相关性分析 20 机器学习模型选股表现 23 机器学习模型的风格分析 28 五、总结与展望 30 图表索引 图 1:机器学习选股框架 6 图 2:MLR 示意图 7 图 3:SVM 二分类示意图 8 图 4:软间隔SVM 二分类示意图 9 图 5:SVM 用于多分类问题示意图 10 图 6:集成学习示意图 11 图 7:Bagging 和Boosting 模型训练示意图 11 图 8:RF 示意图 12 图 9:XGBoost 模型求解示意图 13 图 10:DNN 示意图 14 图 11:日频样本和半月频样本采样示意图 15 图 12:模型滚动更新示意图 16 图 13:时间分组交叉验证示意图 17 图 14:日频样本模型与半月频样本模型测试集准确率对比 19 图 15:日频样本模型与半月频样本模型训练时间对比 20 图 16:日频样本模型 IC 序列 21 图 17:日频机器学习模型选股表现(等权) 24 图 18:日频样本机器学习模型选股对冲收益(等权) 25 图 19:日频机器学习模型选股表现(行业中性) 26 图 20:日频样本机器学习模型选股对冲收益(行业中性) 27 图 21:不同机器学习模型选股打分与风格因子相关性雷达图(日频样本) 29 图 22:不同机器学习模型选股打分与风格因子相关性雷达图(半月频样本) 30 表 1:日频样本模型测试集预测准确率 18 表 2:半月频样本模型测试集预测准确率 19 表 3:机器学习模型 IC 20 表 4:日频样本机器学习模型打分相关性 21 表 5:半月频样本机器学习模型打分相关性 22 表 6:日频样本机器学习模型 IC 相关性 22 表 7:半月频样本机器学习模型 IC 相关性 22 表 8:不同机器学习模型等权选股策略对冲表现(日频样本) 23 表 9:不同机器学习模型等权选股策略分年度对冲收益(日频样本) 25 表 10:不同机器学习模型行业中性选股策略对冲表现(日频样本) 25 表 11:不同机器学习模型行业中性选股策略分年度对冲收益(日频样本) 27 表 12:机器学习模型选股性能比较(等权组合) 28 表 13:机器学习模型选股性能比较(行业中性组合) 28 表 14:风格因子列表 28 表 15:不同机器学习模型选股打分与风格因子相关性(日频样本) 29 表 16:不同机器学习模型选股打分与风格因子相关性(半月频样本) 30 一、问题背景 近年来,随着机器学习在计算机视觉、自然语言处理、专家系统等领域的巨大成功,海内外越来越多的量化基金在研究将机器学习技术引入投资策略中,并且已经出现了众多成功案例。从2016年以来,海外知名投行和对冲基金从人工智能领域引入专业人才和成立人工智能研究小组的报道时有发生,也产生了AI Powered Equity ETF(AIEQ)等公开产品。国内市场来看,以私募基金为主的众多量化投资机构在投资策略中引入了机器学习技术。自2017年以来,A股市场的量化选股基金整体表现不佳,这和市场的“一九行情”、股指期货大幅贴水、市场风格切换加快等因素有关。在此期间,有一批量化私募异军突起,在量化选股策略整体表现不佳的时期取得了优异的业绩。与这些机构的交流中,我们发现机器学习技术在其中起到了重要的作用。 广发金融工程团队在此前的一系列研究中,实证了以深度学习为代表的机器学习方法在因子选股、市场短线择时等方面具有不错的表现和发展前景。详情可以参考《深度学习研究报告之六:深度学习在指数增强策略上的应用》、《机器学习多因子动态调仓策略——多因子Alpha系列报告之(三十六)》和《基于涨跌模式识别的指数和行业择时策略》等研究报告。 本报告以因子选股为背景,比较分析典型的机器学习方法,包括逻辑回归、支持向量机、随机森林、极限梯度提升树、深层神经网络等模型。主要内容有以下几点: 本报告把股票收益率的预测问题构建成一个分类问题,通过机器学习方法 从历史数据中学习股票因子和收益率的关系,建立股票收益预测模型。 采用不同的机器学习分类模型对股票分类问题进行建模

量化交易是不是很高大上?

量化交易,听起来很高大上,其实就是众多投资方法中的一种。

要理解什么是量化交易,首先我们来说说什么叫“量化”。

假如有人做了两道菜,让大家去评价这两道菜,哪道菜对我们来说更有营养。通常,大家可能会通过“看”两道菜里的食材种类和数量或者基于知识经验,来作出评价。

而如果我们通过数学模型统计工具,对两道菜里的成分进行数据分析和计算,来得出结论,这就叫做「量化」。

同样的,我们利用计算机技术,通过建模分析、优化参数等手段,从历史金融数据中挖掘出影响投资的指标,使用程序进行自动交易来获得“超额”的收益,这种投资方法就叫做量化交易。

通过量化交易,投资者极大地减少因为主观地“经验性”判断和“情绪化”地冲动作出非理性地投资决策;同时因为计算机出色的计算能力,投资者也能更快地找到投资的“规律”。

AI在量化交易中的应用

说起AI在量化交易中的应用,我们不妨拿股票举例。

作为一名投资者,我们投资获得的收益主要有两种:种是Alpha收益,另一种是Beta收益

这两种收益有什么区别呢?

简单来说:Beta收益是由大盘整体的变化带来的收益,而 Alpha收益则是受多种因素影响的收益。所以相对来讲,想要获得Alpha收益,则需要考虑的更多,因此也更难获取。

那么如何才能获得更多的Alpha收益呢?

这里我们要提到一个叫做“因子”的概念。拿上文中选菜的例子来说,每道菜里的“蛋白质含量”、“维生素含量”就是因子。在股市中,对各种因子的组合制定不同的策略,再执行这些策略,就能获得更多的Alpha收益。

从下图可以看出,今年来大部分的股票因子都无法带来正的收益率。

然而,在量化交易中,我们做不好的,人工智能却能替我们做好。

利用 AI技术,我们可以处理传统意义上无法量化的数据,通过使用不同的算法,计算机可以选择并执行不同的投资策略。

AI量化交易的就业前景

目前,国内各大券商的量化岗位,在招聘时均会明确要求应聘者有计算机或人工智能等相关领域背景。

从薪资来看,国内量化分析师的平均工资为17260元/月,应届生的工资也达到了10K左右,平均工作经验在3年以上的工资水平可达到20K以上。不过纸面上的工资对他们来说可能只是零花钱,在机构效益好的年份,年终奖甚至能达到工资的好几十倍。

从学历来看,量化分析师的岗位以本科学历为主,硕士为辅,充分说明了量化在业界的发展比学术界领先,在这种黄金时期,入门AI量化时不可待。

对于零基础的同学,想要入AI量化的大门需要翻越4座大山:金融理论,交易策略,机器学习与深度学习,AI量化实践。

这一部分主要了解量化交易发展过程中经典的理论及模型,如市场有效假说、期权定价模型、投资组合管理、股票市场的随机过程、二叉树模型、微笑模型等,这些是理解金融市场行为等理论基础。

基本面、技术面分析、时间序列分析、Alpha策略、多因子模型、CTA策略都是传统的典型的交易策略。即使在使用AI解决量化交易的过程中,传统的交易策略也被大量地使用,这一阶段主要能掌握传统交易策略的思想以及使用方法即可

3. 机器学习与深度学习

任何交易策略最后都要落到实地,尤其在量化领域,使用AI技术需要掌握基础的机器学习和深度学习算法吴恩达在Machine Learning和《Deep LearningSpecialization》深入浅出地讲解了机器学习和深度学习理论和算法原理,是入门者的必备良药。

实践是检验真理的唯一标准。学习者需要在真正的市场环境中去检验编写的策略是否有效,并不断进行优化、改进,才能够为投资者实现稳定的收益。

针对量化研究的小白、有志于投身AI量化交易事业的同学,网易云课堂特地推出了AI量化交易课程。

本课程不仅从理论层面夯实学习者的金融学知识,同时手把手带领学员搭建自己的系统,并在自己的系统中实现相关策略。在课程中我们重点加入了AI技术在量化交易中的应用内容,指导学员使用深度网络模型指导量化实践

现在,面向本公众号粉丝发出限时免费福利

12月19日,网易云课堂微专业邀请了国内知名私募量化投资经理——赖老师,为大家免费直播讲解那些量化交易中,你不可不知的行业信息。

《AI量化交易,盘点你不可不知的行业信息》

1.量化交易的发展近况及相关公司

2.国内量化交易相关岗位情况解读

3.解密必须掌握的面试核心考察点

4.学习路径简介与核心资源推荐

赖老师 国内知名私募量化投资经理

网易云课堂「AI量化交易」特约讲师

浙江大学计算机硕士,发表AI相关论文数十篇。曾在citadel等多家国内外顶尖对冲基金担任量化投资经理,期间利用神经网络/机器学习知识进行建模选股和日内高频交易,取得卓越稳定的收益。

1.量化交易的历史背景与发展

2.机器学习加持下的量化交易新世界

3.量化案例展示——大单跟随

4.量化交易指衍生品定价

添加网易云课堂「AI量化交易」助教

数量有限,进群从速哦~

点击【阅读原文】,免费领取福利

私募基金的合格投资者,是指具备相应风险识别能力和风险承担能力,投资于单只私募基金的金额不低于100万元,并且符合这些相关标准的单位和个人:

(一)净资产不低于1000万元的单位;

(二)金融资产不低于300万元或者最近三年个人年均收入不低于50万元的个人。

说明下,金融资产包括银行存款、股票、债券、基金份额、资产管理计划、银行理财产品、信托计划、保险产品、期货权益等。最后,私募基金风险大,文章内容仅供参考交流,不构成投资建议哦~

量化私募这几年发展迅速,整体管理规模已经破万亿,要知道在2017年量化私募的总管理规模才1000亿。4年10倍的速度确实让人惊叹的,这两年也有不少投资人在担心规模越来越大,头部量化私募的策略迭代能否跟上,一些头部私募动凡心的事儿也让这种质疑的声音变得更大。其他几家规模激增的头部量化私募会不会也有这种情况发生?他们表现如何了?

规模大不代表超额就拉垮

大家常说,规模是业绩的杀手,不管是主观多头和量化私募,规模大了以后在大家的普遍认知中,业绩大概率要递减的。

尤其过去几年量化私募中高频量价策略占据较大比重,其收益随着规模扩大而降低更加明显。

所以如果追求高收益就真的没必要考虑百亿量化私募了么?

在当下的市场里,100亿、200亿规模已经不算特别大,咱们直接来看看几家规模已经突破400亿的老牌量化私募情况。

截至今年8月13日,可以看到除了明汯因为4月前抱团导致整体业绩一般以外,九坤、幻方、灵均的指增500代表作的年内收益均在30%附近,超额收益也都做到了20%左右。

(数据来源:私募排排网,截至2021年8月13日)

和不少主观多头私募年内还在正负收益的边缘挣扎比起来,30%的绝对收益可以说是很香了。

所以说规模大并不代表着超额就一定会少。一方面,头部量化私募的策略不断在迭代,整体容量有所增加;另一方面,高频私募也都在降频,加强对中低频策略的研究使用。

而在逐渐降频的过程中,依然能保持稳定超额表现的量化私募肯定还是有两把刷子。

最近一年,在厂长的知识星球里,跟九坤相关的问题至少超过50个,不少投资人都希望厂长对九坤来一次深度剖析。

今天厂长就以规模500亿以上,年内超额收益位居榜首的九坤为例,具体来解析下九坤是如何做到规模上升的同时保持出色的长期业绩。

人工量化因子还是AI?九坤全都要

作为国内最早成立的量化投资机构之一,九坤见证了中国量化界的拓荒、蛰伏和规模扩张等几轮市场周期。

不少量化私募都会有自身业绩爆发的光辉时刻,但在这个市场,最难的是持续做出优秀的业绩,而九坤成立已经超9年了,一直位居量化第一梯队。

九坤凭借丰富的策略因子储备以及长期优秀的业绩吸引到机构和高净值客户的青睐,最新规模已经超500亿,其中60%来自于银行、券商及专业机构投资者,经过长期的发展,九坤现在采用人工量化因子模型+AI技术的双轮驱动投资模式。

因子类型覆盖:隔夜价量、日内价量、机器学习因子、股票 T0、基本面量化、新闻舆情等等。

近几年,九坤重金投入AI超算集群,在过去两年招聘的技术人员里,70% 以上拥有AI的研究或行业背景。

目前60%的投资已经由AI算法驱动,去年九坤的机器学习策略对总的收益的贡献超40%,而今年这个比例继续提升。

除了在换手率较高的量价因子上继续深入研发之外,九坤也非常注重基本面因子研发,这样可以分散收益来源,能更好的适应不同的市场流动性场景。

指增的长期超额业绩可以看出量化私募的策略效果,而九坤不管是指增500还是指增1000在过去几年都取得了非常不错的收益。

其中指增500代表产品从2017年6月开始运行,截至今年8月13日,4年累计超额达到190.47%(据了解,该产品受管理人2018年封盘影响,2020年后的收益中基本不含打新收益);而指增1000代表产品从2018年4月开始运行,3年多累计超额也达到168.87%。

(数据来源:私募排排网,截至2021年8月13日)

(数据来源:私募排排网,截至2021年8月13日)

可以看到过去几年里中证500和中证1000指数基本都没怎么涨,所以基本上绝大部分收益都来自于九坤的策略模型。

自2014年起,经历了市场多次牛熊、风格转换,九坤的每年超额基本都能稳定在25%左右。

这个是真的蛮厉害的,之前厂长也和大家聊过,规模小的时候高频T0能贡献不少收益,而规模大了以后这块收益的占比会显著下降,而头部量化私募去年打新还能有10%以上的收益,今年预计只有3%-4%。

也就是说,九坤今年至今做了超20%的超额收益基本靠的就是选股,规模变大的同时,在AI上的投入研究以及人工策略的不断迭代让九坤的选股能力更上一层楼,从而保持了过往的稳定出色业绩。

现在很多量化私募,都是开始推全市场选股的量化产品,厂长了解到,现在九坤也有这个动向。推出纯量化多头产品量化优选系列。

厂长看了下,按这产品的设计,平均持仓个股数量在1000左右,放开了对特定指数增强风格的限制,是全市场选股的。

按现在的市场行情来说,厂长是看好500指增>全市场选股>1000指增>300指增的。

而这个全市场选股的产品优势是可以不受限制,可以随时选择策略最看好的那部分股票做出阿尔法收益。

当然,这样的设定,在追求更高长期收益的同时,也可能会因为未来进行风格调整等原因,让基金整体波动更大。

九坤是设定了三年锁定期,一些烦恼管不住手的,这次可以下一次决心,然后“躺平”了。

九坤是少数几家,厂长认为可以拿三年,不花太多精力跟踪的私募之一。

一方面是长期业绩够久,经过各种大风大浪。从过往这么多年的情况来看,九坤因为坚持回避风格择时策略,不追逐热点,所以策略可能会短期阶段性失效,但长期胜率依然很高。

另一方面是研发投入大。

量化扩规模可以,但也要有相匹配的研发上的投入,有更多的策略跟上,才能持续做出稳定的超额。

而九坤这一点做得不错,是真舍得投入。目前公司投研和IT总人数过百,其中投研团队90%都毕业于清北、常春藤名校且有过海外知名量化对冲基金工作经验。

去年,九坤专门推出了针对华尔街对冲基金顶尖量化人才的“百万美元年薪”招募计划。

除了在全球招募具有成熟经验的量化策略和技术人才外,九坤非常注重对人才的自主培养和管理。

从2014年起,九坤就开始从国内清北高校招聘应届生。不过,九坤挑人也是以严苛著称,据说去年九坤收到清北300+份简历,最终录取率仅为3%,可以说招来的人已经是精英中的精英。

除了在人才上的投入外,九坤对规模的扩张一直也是保持着相当的克制,追求稳健的超额是九坤一直以来的目标。所以当市场环境不支持或是规模接近容量上限时,他们家会主动选择封盘。

比如2018年市场环境差,市场低波动+低流动性,九坤选择第一次主动封盘;去年规模到400亿后,九坤再次主动封盘,一方面规模不能影响到超额收益,另一方面机构抱团,高波动率的中小盘股票遇冷。

正是因为这样有“节操”且愿意持续投入,九坤才能持续做出稳定的超额业绩取得投资人的信任。

从前,量化和主观多头一直是相对隔离,但最近不少量化私募都在准备开发纯量化多头产品线,后续“井水不犯河水”的场景将不再出现,日渐白热化的竞争里,九坤有着深厚的底蕴和足够的实力来占据先机。

对权益类私募投资人来说,能够看到量化私募和主观私募的“分庭抗礼”,无疑是一件好事。

我要回帖

更多关于 私募是做什么 的文章