區(qū)別于傳統(tǒng)基本面分析和技術(shù)面分析，量化分析是從數(shù)量化的角度去挖掘存在某種數(shù)學(xué)關(guān)系的投資策略。結(jié)合機(jī)器學(xué)習(xí)算法的量化投資方法已在量化選股、量化擇時(shí)、股指期貨套利、商品期貨套利、統(tǒng)計(jì)套利、算法交易等多類量化證券投資策略中應(yīng)用。如今各類量化投資基金聘用機(jī)器學(xué)習(xí)算法科學(xué)家，組建人工智能技術(shù)研發(fā)團(tuán)隊(duì)也已成趨勢(shì)。

該報(bào)告介紹了傳統(tǒng)量化投資方法在數(shù)據(jù)智能時(shí)代下面臨的發(fā)展瓶頸及趨勢(shì)、現(xiàn)代量化投資方法可用的機(jī)器學(xué)習(xí)技術(shù)手段，以及常見(jiàn)應(yīng)用機(jī)器學(xué)習(xí)算法的證券投資業(yè)務(wù)任務(wù)場(chǎng)景。然而機(jī)器學(xué)習(xí)并不能做到完美地代替人力完成所有的工作，人類的思維、經(jīng)驗(yàn)仍然是量化投資過(guò)程中不可或缺的。因而機(jī)器學(xué)習(xí)更多能作為一種輔助工具幫助分析師更好地做投資決策，實(shí)踐理想的投資策略。

作者 | 張英健、王昕宇、樊曉芳

一、量化投資背景介紹

1. 量化投資簡(jiǎn)介

量化投資方法主要通過(guò)對(duì)海量歷史及實(shí)時(shí)的資產(chǎn)交易行情數(shù)據(jù)進(jìn)行數(shù)理統(tǒng)計(jì)分析，選擇那些未來(lái)回報(bào)可能會(huì)超越基準(zhǔn)的證券進(jìn)行投資，以期獲取超越指數(shù)基金的收益。

現(xiàn)代量化投資還利用自然語(yǔ)言處理等文本處理方法，從上市公司調(diào)研報(bào)告、公司財(cái)務(wù)報(bào)表、金融市場(chǎng)政策文件、社交輿論新聞等文檔、資訊中提取影響市場(chǎng)走勢(shì)、價(jià)格波動(dòng)、交易執(zhí)行等相關(guān)的信息，進(jìn)一步優(yōu)化投資策略。具有紀(jì)律性、系統(tǒng)性、套利性、概率性四大主要特征。

2. 量化投資策略

量化基金的投資策略按投資證券標(biāo)的類型、交易方法大致分：量化選股、量化擇時(shí)、股指期貨套利、商品期貨套利、統(tǒng)計(jì)套利、算法交易、期權(quán)套利。也有部分基金根據(jù)投資風(fēng)格及主題，會(huì)同時(shí)采用事件驅(qū)動(dòng)、行業(yè)輪動(dòng)、多空、市場(chǎng)中性等策略。

3. 傳統(tǒng)量化投資策略存在的問(wèn)題

1）交易策略的時(shí)效性：金融市場(chǎng)非線性行為，導(dǎo)致金融數(shù)據(jù)存在非穩(wěn)態(tài)，量化投資策略時(shí)效短；

2）交易策略同質(zhì)化：量化投資建模因市場(chǎng)而異，但市面上模型同質(zhì)化現(xiàn)象嚴(yán)重；

3）模型過(guò)度擬合：訓(xùn)練數(shù)據(jù)缺少對(duì)意外事件的記錄，模型會(huì)偏離真實(shí)情況，從而導(dǎo)致預(yù)測(cè)不準(zhǔn)；

4）數(shù)據(jù)挖掘算法的低效與計(jì)算機(jī)運(yùn)行能力的有限。

4. 現(xiàn)代量化投資策略中應(yīng)用機(jī)器學(xué)習(xí)算法的潛力

1）在數(shù)據(jù)提取和處理過(guò)程中，使用強(qiáng)大數(shù)據(jù)挖掘算法提高數(shù)據(jù)獲取與分析的效率；

2）在模型構(gòu)建過(guò)程中，機(jī)器學(xué)習(xí)能夠提供非線性關(guān)系化的模糊處理，幫助處理非線性問(wèn)題；

3）機(jī)器學(xué)習(xí)技術(shù)或許可以找到超出傳統(tǒng)量化力所能及與人類認(rèn)知經(jīng)驗(yàn)的「全局最優(yōu)解」。

二、量化投資產(chǎn)業(yè)及市場(chǎng)現(xiàn)狀

1.量化投資策略應(yīng)用現(xiàn)狀

目前量化投資主要應(yīng)用于期貨公司、證券公司、基金公司、資管公司中。西方發(fā)達(dá)金融市場(chǎng)中, 量化交易占據(jù)總交易量的70% , 而我國(guó)約為30%，相比之下我國(guó)的量化投資仍處于起步階段。

截至2018年底，我國(guó)公募量化基金規(guī)模合計(jì)1121億元；相比2017年規(guī)模略有縮減約10%，但集中度提升，按各個(gè)基金公司管理的量化產(chǎn)品規(guī)模排序，前五規(guī)模占比達(dá)到51.4%。證券類私募基金規(guī)模亦從2018年初的2.5萬(wàn)億縮減至2.25萬(wàn)億，其中量化產(chǎn)品規(guī)模占比基本穩(wěn)定在8%左右。

2. 應(yīng)用、提供量化投資策略的投資機(jī)構(gòu)及技術(shù)服務(wù)機(jī)構(gòu)

三、量化投資交易系統(tǒng)組成及機(jī)器學(xué)習(xí)算法應(yīng)用流程

1. 量化投資交易系統(tǒng)組成

2. 量化投資中機(jī)器學(xué)習(xí)

算法模型建立與測(cè)試過(guò)程流程圖：

四、證券投資業(yè)務(wù)中常用機(jī)器學(xué)習(xí)算法的任務(wù)場(chǎng)景

五、機(jī)器學(xué)習(xí)在量化投資領(lǐng)域應(yīng)用的局限性與未來(lái)趨勢(shì)

局限性

1. 金融數(shù)據(jù)信噪比偏低而易導(dǎo)致過(guò)擬合現(xiàn)象。

2. 投資經(jīng)理難以得知機(jī)器學(xué)習(xí)算法的投資交易邏輯。

3. 機(jī)器學(xué)習(xí)無(wú)法準(zhǔn)確分析無(wú)前例可循的意外事件。

4. 實(shí)際量化分析過(guò)程可用的數(shù)據(jù)量遠(yuǎn)遠(yuǎn)不足。

未來(lái)趨勢(shì)

1. 分析師的經(jīng)驗(yàn)和機(jī)器學(xué)習(xí)算法的融合。

2. 量化投資工作中重復(fù)性較高的流程將有人工智能接管。

3. 機(jī)器學(xué)習(xí)算法能夠提供非線性關(guān)系化的模糊處理，彌補(bǔ)人腦思維模型的局限，大幅提高數(shù)據(jù)挖掘與處理能力。量化投資策略會(huì)更豐富。