量化交易涉及的技术和知识

温馨提示

如果你喜欢本文,请分享到朋友圈,想要获得更多信息,请关注我。

大家都知道量化交易涉及了很多统计学、数学和计算机科学方面的知识和技术。想要设计一个量化交易模型就要掌握这些知识和一定的运用能力。今天我们就来一起具体看一下到底需要哪些知识技术。

一、数据挖掘

量化交易就是在大量的数据中总结出规律形成投资理念的。这些海量的数据可能是不完全的、模糊的、有噪声的或者是随机的。量化交易可以在这些数据中找到人们并不知道的被隐藏起来的规律性内容,这些都属于数据挖掘的范畴。数据挖掘技术的分类主要包括以下三种:

1)分类/预测

分类是找到一个类别的概念性描述。它主要包含这个类别数据的整体信息。并通过这种概念性描述来构造出模型。一般情况下,可以应用决策或者规则树的相对模式来进行表示。

预测即在历史的海量数据中找出规律,并根据规律建立模型。利用这个模型对未来数据的特征和种类进行预测。

2)关联分析

主要是找出两种或者两种以上数据之间存在的某种关系。关联分析主要由时序关联、简单关联以及因果关联三方面组成。找出数据中人们不知道的隐藏的规律是关联分析的主要目的。通常利用可信度和支持度来衡量关联规则的相关性。可能还会假如相关性或者兴趣度等参数。目的是让量化交易模型挖掘出的规律更符合我们的需求。

3)聚类分析

聚类分析的主要原理是找到数据之间的相似性用来判断数据的聚合程度。它可以让同类别中的数据更为相似,不同类别的数据尽可能的不相似。

二、人工智能

相信很多朋友对人工智能这个词并不陌生。并且人工智能已经逐渐应用到我们的生活中。人工智能是依靠计算机进行模拟,人的行为或者思维过程。人工智能主要依靠计算机科学、哲学、心理学以及语言学等内容。可以说是涵盖了社会科学和自然科学。已经不再是简单的计算机科学的范畴。

人工智能中很多技术都可以应用在量化交易的分析中。比如神经网络、机器学习、遗传算法或者专家系统等。

三、小波分析

在量化交易中,小波分析主要被用来进行波形的处理。因为行情的走势是波动的,我们可以将每个品种的走势都看做是波形。小波分析可以对波形进行识别、去燥、诊断以及重新构建。

四、分形理论

分形理论是一种新的世界观和方法论。它是现代数学的一个分析,被大家称为大自然中的几何学分形理论。分形理论中的两个概念为我们的研究扩大了视野。

(1)分形理论认为空间维数的变化可以是分散或离散两种形态。

(2)分形理论分为世界中的某个局部中的某一方面,可能会在一定的条件下表现出和整体的相似性。

分形理论中有两个非常重要的原则分别是迭代生成原则和自相似原则。迭代生成原则主要是说,可以根据局部的特征推断出整体的图形。标题无关性说的是分形在一半的几何变换的情况下具有不变的特征。分形形体中的相似也可以是无安全相同的。分形理论在量化交易中的应用也非常广泛。比如可以用于金融时序数列的重构和分节。并可以在这个基础上对数列进行预测。

五、支持向量机

这是一种利用非线性映射,将样本空间映射到一个高维甚至说是无穷为的空间中。让原空间中非线性可分的问题进行转化。可以将其转化为特征空间里的线性可分的为。换句话说,就是线性化和升维。有的朋友可能会知道,升维一般来说都会让计算变的更加复杂。SVM可以帮助我们解决这个问题。

六、随机过程

将一串随机的事件进行动态关系的定量描述即称为随机过程。随机过程常被应用于工程科学、自然科学以及社会科学中。它常被用来描述这些科学中的随机事件。我们日常中就会接触到或者听到的,例如人口理论、天气预报、经济数学、天体物理等中都有应用。

我们可以通过分析或概率的方法来对随机过程进行研究。研究的主要内容也非常多,其中的马尔科夫过程就非常适用于对金融时序数列的预测。这可以说是在量化交易中非常典型的一种应用。

国算科技量化交易系统架构

国算智能量化交易系统基础原理

国算科技智能量化交易系统,对 3~35个关联产品进行合理配置, 应用其关联关系打包对冲,基于大数据运算做概率!降低胜率、降低收益同时降低了风险。不选择方向才能使盈利稳健、持续!

北京国算信息科技有限公司是一家有着国企、高校背景的中日合资企业,主营业务:软件开发、系统集成、金融科技、人工智能。2018年9月四家企业以现有核心技术强强联手,将重心转移至金融科技、智能投顾领域,将推出一系列拥有核心技术、知识产权的金融服务类产品。为企业、机构和高净值群体提供量化投资解决方案,立志做中国的高盛!

更多金融科技资讯请登录进入以下网站

END

  • 发表于:
  • 原文链接https://kuaibao.qq.com/s/20181025A0GUCN00?refer=cp_1026
  • 腾讯「云+社区」是腾讯内容开放平台帐号(企鹅号)传播渠道之一,根据《腾讯内容开放平台服务协议》转载发布内容。
  • 如有侵权,请联系 yunjia_community@tencent.com 删除。

扫码关注云+社区

领取腾讯云代金券