大数据量化交易意义和领先应用思考

大数据分析带来什么

高效的资源利用,通过数据分析,可以更有效的利用更多的资源,进而得到市场高额投资经营回报。
可靠的决策依据,通过数据分析,为企业的经营管理决策提供更为可靠的决策依据,让企业的管理决策更具科学性,更为合理。
方向性的参考,通过数据分析,市场采购、营销、预算及运营评估中,数据分析主导方向性的参考。
经营决策的掌握,通过数据分析,与经营关系的理解,可以充分了解企业经营决策的内容,掌握经营决策的方法

传统交易与大数据量化交易区别

传统交易:

  • 分析方法:依据人的经验和判断
  • 信息来源:宏观经济
  • 投资风格:偏向长期
  • 投资标的:某一支或少量股票
  • 风险处理:风险考虑不周全
    大数据量化交易意义和领先应用思考

量化交易:

  • 分析方法:依据算法模型
  • 信息来源:海量多维度数据
  • 投资风格:偏向短期
  • 投资标的:分散化
  • 风险处理:风险最小化回报最大化

大数据量化交易意义和领先应用思考

后者连续27年回报率打败巴菲特

量化交易带来什么

量化交易的成功概率途径主要有:

(1)计算机依靠量化模型给出的信号交易,规避人为情绪因素。
(2)算法交易提高交易的效率

量化交易特征:

  • 赌大概率事件,组合对冲为主;
  • 克服人性弱点,机器交易为主;
  • 精力无限,监控全市场、全产品、全周期;
  • 交易精细化,算法交易降低对市场冲击。

案例:文艺复兴科技公司(行业领导者)

从1988年至2015年,公司管理的大奖章基金的净年均收益率约为40%,同期巴菲特的伯克希尔每股帐面年化回报为15.94%,标准普尔500指数年化收益约为10.27%,西蒙斯的投资表现高出巴菲特与标普500均超过20个百分点。文艺复兴公司主要由3个部分组成:电脑和系统专家、研究人员以及交易人员。西蒙斯亲自设计了最初的数学模型。通过对历史数据的统计,找出金融产品价格、宏观经济、市场指标、技术指标等各种指标间变化的数学关系,依据算法结果进行交易。

经营特征:

  • 高学历背景:超过90名博士世界级从业人员许多著名学术期刊作者;
  • 科学家、非金融工程师:很少的员工有华尔街背景培养解决常见问题的新方法;
  • 力争科学严谨:观点必须被统计验证过消除克服以情绪做判断的缺陷。

国内已有平台的问题

国内量化交易平台:BigQuant 、镭矿、果仁网、Ricequant、优矿、Factors等等。2018年12月31日,京东量化平台宣告下线,其他平台该何去何从?
问题分析:

  • 策略限制:此类平台只能使用平台自己的分钟K线数据,使用平台自己的语言,降低了客户开发策略的灵活度,对于类似于机器学习预测模型的策略难以开发;
  • 交易限制:此类平台普遍采用easyLanguage等语言,而且从自己的服务器读取数据,而不是直接通过CTP读取,因此效率会低一些;
  • 研究效率:量化策略很大一部分工作用于参数优化,特别是规则型策略,经常使用网格优化,每个参数取几个值,然后几个参数一起几百组参数来优化。如果使用此类量化平台计算时间会非常漫长。

大数据期货贸易应用方向

第一步:机器学习
对交易、库存、财务等数据进行建模,分析其中显著特征,利用最优算法预测交易策略
第二步:行为模仿
模仿行业专家或对手行为,复制他们的决策过程,并导入可重复的模型框架
第三步:AI操作
对行业、市场、操作等多方面训练,形成一套可以胜率超出人工操作的大数据AI操作系统

大数据应用支撑,数据来源

行业强相关数据:

某大宗商品历史期货价格、供需差、供应端利润、下游利润、区域价差、发货量、库存量、产业链数据等等。

另类数据:

  • 个人活动产生的数据:社交媒体、新闻稿和评论、搜索引擎数据、网络搜索量和点击率等;
  • 商业活动产生的数据:交易记录和信用记录等;
  • 高科技监测获取的数据:卫星监测图像、地理定位和气候变化数据等。

大数据应用支撑,算法模型

决策树、C4.5、CART算法、BP神经网络、支持向量机、 网络、随机森林、KNN、EM期望最大化、SOM算法、K-means算法。
涉及的具体工具:SAS/Base、SAS/STAT、SAS/GRAPH、SAS/ETS、SAS/ASSIST、SAS/INSIGHT、SAS/Enterprise、SAS/IML、SAS/ACCESS、SAS/CONNECT。

大数据应用支撑,行业指导

  • 行业理解:大宗商品行业领袖业务多年以来对行业大宗商品的认知与理解,以及相关上下游产业链情况的把控;
  • 事件判断:基于长期期货市场各种情形的经历,累积丰富的期货经验,对各类行情走势提供经验支撑;
  • 操作方式:长期以来的期货市场经验,形成属于自己的操作方式,何时买入卖出,买入卖出的多少等等。

系统实施阶段规划

大数据量化交易意义和领先应用思考

上一篇:app store 注册账号生成证书上传app完整的教程


下一篇:SVN使用MySQL验证用户名密码(HTTP)