首页
学习
活动
专区
工具
TVP
发布
精选内容/技术社群/优惠产品,尽在小程序
立即前往

人工智能在金融市场交易中的应用

交易市场信息量大且复杂无比,投资者常用图表的形式去理解价格运行规律。虽然在很多时候,可以通过盘感等方式提高了一定的准确率,但是人脑在处理更加复杂的信息时会存在力不从心,特别是数据显现出高维的状态时,人脑的天生结构使得我们的直觉随之无能为力。我们之所以发展出很多市场指标,就是为了将市场数据简化成几个我们能够方便理解的数字

从统计学发展起来的人工智能技术在一定程度上能够帮助人们处理各种情况。有许多人工智能算法的设计思想其实是非常简单的,甚至我们有时还会认为一些算法的思想会显得有些愚笨。但是,这些算法的突出好处是,其在定程度上可以应对大量的,高维的数据,从而能够帮助我们对市场形成人脑难以获得的新的理解。

实际上,人工智能在生活中离我们并不遥远。我们每天使用的搜索引擎是人工智能应用的一个最为典型和成功的例子,甚至是最为普通的拼音输人法也加人了人工智能的因素,这才使得现在的拼音输入速度比十五年以前提高了多倍。

人工智能在国外的量化投资中大约兴起于上世纪九十年代。在诸多人工智能算法之中,神经网络和遗传算法是大家研究和应用的最早的,并且直到目前,每年仍然有大量的有关这两种算法在交易之中应用的论文发表。继这两个算法之后,更多的人工智能算法被融入到量化投资研究之中,其中比较有代表性的有隐马氏模型,贝叶斯网以及聚类分析等等。

 人工神经网络

说到人工神经网络,很多人会把这种算法和人工智能等同起来,实际上,人工神经网络仅仅是人工智能算法的一种,人工智能所包含的范围比神经网络要大得多。人工神经网络的基本组成单位是神经元,这和自然界的神经网络有些类似。在自然界中,一个个神经元联结起来,组成了有感知和思维能力的大脑。而在人工神经网络之中。我们通过数学函数来模拟神经元的工作过程。

遗传算法

遗传算法实际上是一种优化算法,这一点使得和其他的人工智能算法有很大的不同。大部分的人工智能算法都侧重于分类,其核心在于如何根据一定的规则将样本数据归为不同的类别。这种归类的思想和人类日常行为有很多相似之处,因为,我们在处理各种事情的过程之中,在大部分时候都是自觉或者不自觉的先将目前情形归类,然后再采用相应的处理办法的。归类的思想在交易中也大有用武之地,因为交易在很大程度上就是判断是涨是跌,风险大还是风险小,而这也就是归类而已。

 遗传编程

在1993年Franklin Allen和Risto Karjalainen的一篇论文之中,他们将遗传编程引人了交易规则的寻找之中。与遗传算法相比,遗传编程的适用范围更广,并且,遗传编程的突出好处是,其能将各种非数字性的交易规则融入到交易规则的寻找之中.本程序化交易系统就有一部分模块采用了遗传编程的思想。

结 语

落实到交易的角度来讲,我们就是把人的思维模式通过遗传算法模块化,把一些知名分析师和交易员的思维、经验,以程序表达出来,然后通过神经网络的形式将各个模块相互组合,就形成了智能分析系统的核心模型,这是一个复杂和辛苦的过程,然后我们相信通过这种拟人的方式,能够让交易系统更符合人的思维习惯,更加智能。再加上程序本身处理数据数量和速度的优势,就能够让交易策略和信号更佳准确,盈利曲线更为优美。

  • 发表于:
  • 原文链接https://kuaibao.qq.com/s/20200824A0EW9G00?refer=cp_1026
  • 腾讯「腾讯云开发者社区」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 cloudcommunity@tencent.com 删除。

扫码

添加站长 进交流群

领取专属 10元无门槛券

私享最新 技术干货

扫码加入开发者社群
领券