設萬維讀者為首頁 萬維讀者網 -- 全球華人的精神家園 廣告服務 聯繫我們 關於萬維
 
首  頁 新  聞 視  頻 博  客 論  壇 分類廣告 購  物
搜索>> 發表日誌 控制面板 個人相冊 給我留言
幫助 退出
gugeren的博客  
有則寫之,無則空之  
https://blog.creaders.net/u/5804/ > 複製 > 收藏本頁
我的名片
gugeren
註冊日期: 2012-01-06
訪問總量: 4,225,945 次
點擊查看我的個人資料
Calendar
我的公告欄
最新發布
· 【美國民主黨】中社會主義者的動
· 【美國民主黨】被社會主義風潮撕
· 【牛彈琴】是誰?
· 【龔小夏】談川普7/17 講話
· 【川普7/17講話】有關2020大選部
· 【香港書店女經理】"我是書
· 【川普】談2020年中國介入美國大
友好鏈接
分類目錄
【DIY】
· DIY-2:修理漏水的浴缸水龍頭
· DIY-1:更換煤氣熱水鍋爐的水
【數學】
· 【圓周率π】與斐波那契數
· 趣味的數學-468
· 趣味的數學-467
· 趣味的數學-466
· 趣味的數學-465
· 趣味的數學-464
· 趣味的數學-463
· 趣味的數學-462
· 趣味的數學-461
· 趣味的數學-460
【美國大學申請】
· 又是申請大學時:申請美國大學心
· 尋找學生人均錢最多的美國高校
· 尋找有錢的美國大學
· 藤校中亞裔學生的比例
· 歡迎B咖學生的美國大學
· 美國大學招生時着重察看申請學生
· 有關申請美國大學過程的書籍和網
· 美國勞工部對2010-2020年勞動力
【雜記】
· 從李密《陳情表》說開去
· 請萬維編輯注意博客中的安全問題
· 從《上甘嶺》到《黃河絕戀》
· 【轉】任正非:華為現在就像一架
· 錄魯迅詩以祭六四慘案卅周年
· 【摘錄】中國加入世界貿易組織的
· 如何看美中電視播音員辯論直播
· 【快訊】美中播音員辯論直播
· 當今世界的前10名人口大國
· 什麼是“貿易順差”?
【股票+金融】
· 【川普】收取外國關稅的稅率
· 美FED於周日異常減1%利率
· 如今美國股市遍地黃金
· 淺談“長期護理”
· 再談中國政府拋售美國國債的後果
· 對西岸博的回應
· 中國拋售美國國債的後果
· S&P500中高利潤率的股票
· 【轉】對弈論闡述股市大戶贏錢策
· 美國國債
【自己文章】
· 【2025和2026年】老人標準免稅額
· 【投資美國股市】就是投資美國經
· 【ChatGPT 5】幫助數學家查文獻
· 【稀土和關稅之我見】
· 【ChatGPT-5】真不錯!
· 【徵答】解決美國兩大經濟問題
· 【楊】安澤的落選表明每月千刀的
· 【網站】RRN是一個什麼網站?
· 【廚房】饅頭為何塌陷、萎縮?
· 【書】白左寫書揭2020大選舞弊
【轉貼好文章】
· 【美國民主黨】中社會主義者的動
· 【美國民主黨】被社會主義風潮撕
· 【牛彈琴】是誰?
· 【龔小夏】談川普7/17 講話
· 【川普7/17講話】有關2020大選部
· 【香港書店女經理】"我是書
· 【川普】談2020年中國介入美國大
· 【RRN】呼籲彈劾川普的空軍少校
· 【川普總統】在總統山的演講
· 【美國司法權】與行政權之間的界
存檔目錄
07/01/2026 - 07/31/2026
06/01/2026 - 06/30/2026
05/01/2026 - 05/31/2026
04/01/2026 - 04/30/2026
03/01/2026 - 03/31/2026
02/01/2026 - 02/28/2026
01/01/2026 - 01/31/2026
12/01/2025 - 12/31/2025
11/01/2025 - 11/30/2025
10/01/2025 - 10/31/2025
09/01/2025 - 09/30/2025
08/01/2025 - 08/31/2025
07/01/2025 - 07/31/2025
06/01/2025 - 06/30/2025
05/01/2025 - 05/31/2025
04/01/2025 - 04/30/2025
03/01/2025 - 03/31/2025
02/01/2025 - 02/28/2025
01/01/2025 - 01/31/2025
12/01/2024 - 12/31/2024
11/01/2024 - 11/30/2024
10/01/2024 - 10/31/2024
09/01/2024 - 09/30/2024
08/01/2024 - 08/31/2024
07/01/2024 - 07/31/2024
06/01/2024 - 06/30/2024
05/01/2024 - 05/31/2024
04/01/2024 - 04/30/2024
03/01/2024 - 03/31/2024
02/01/2024 - 02/29/2024
01/01/2024 - 01/31/2024
12/01/2023 - 12/31/2023
11/01/2023 - 11/30/2023
10/01/2023 - 10/31/2023
09/01/2023 - 09/30/2023
08/01/2023 - 08/31/2023
07/01/2023 - 07/31/2023
06/01/2023 - 06/30/2023
05/01/2023 - 05/31/2023
04/01/2023 - 04/30/2023
03/01/2023 - 03/31/2023
02/01/2023 - 02/28/2023
01/01/2023 - 01/31/2023
12/01/2022 - 12/31/2022
11/01/2022 - 11/30/2022
10/01/2022 - 10/31/2022
09/01/2022 - 09/30/2022
08/01/2022 - 08/31/2022
07/01/2022 - 07/31/2022
06/01/2022 - 06/30/2022
05/01/2022 - 05/31/2022
04/01/2022 - 04/30/2022
03/01/2022 - 03/31/2022
02/01/2022 - 02/28/2022
01/01/2022 - 01/31/2022
12/01/2021 - 12/31/2021
11/01/2021 - 11/30/2021
10/01/2021 - 10/31/2021
09/01/2021 - 09/30/2021
08/01/2021 - 08/31/2021
07/01/2021 - 07/31/2021
06/01/2021 - 06/30/2021
05/01/2021 - 05/31/2021
04/01/2021 - 04/30/2021
03/01/2021 - 03/31/2021
02/01/2021 - 02/28/2021
01/01/2021 - 01/31/2021
12/01/2020 - 12/31/2020
11/01/2020 - 11/30/2020
10/01/2020 - 10/31/2020
09/01/2020 - 09/30/2020
08/01/2020 - 08/31/2020
07/01/2020 - 07/31/2020
06/01/2020 - 06/30/2020
05/01/2020 - 05/31/2020
04/01/2020 - 04/30/2020
03/01/2020 - 03/31/2020
02/01/2020 - 02/29/2020
01/01/2020 - 01/31/2020
12/01/2019 - 12/31/2019
11/01/2019 - 11/30/2019
10/01/2019 - 10/31/2019
09/01/2019 - 09/30/2019
08/01/2019 - 08/31/2019
07/01/2019 - 07/31/2019
06/01/2019 - 06/30/2019
05/01/2019 - 05/31/2019
04/01/2019 - 04/30/2019
03/01/2019 - 03/31/2019
02/01/2019 - 02/28/2019
01/01/2019 - 01/31/2019
11/01/2018 - 11/30/2018
08/01/2018 - 08/31/2018
07/01/2018 - 07/31/2018
06/01/2018 - 06/30/2018
05/01/2018 - 05/31/2018
04/01/2018 - 04/30/2018
03/01/2018 - 03/31/2018
02/01/2018 - 02/28/2018
01/01/2018 - 01/31/2018
12/01/2017 - 12/31/2017
11/01/2017 - 11/30/2017
10/01/2017 - 10/31/2017
07/01/2017 - 07/31/2017
06/01/2017 - 06/30/2017
05/01/2017 - 05/31/2017
04/01/2017 - 04/30/2017
03/01/2017 - 03/31/2017
02/01/2017 - 02/28/2017
01/01/2017 - 01/31/2017
12/01/2016 - 12/31/2016
11/01/2016 - 11/30/2016
10/01/2016 - 10/31/2016
09/01/2016 - 09/30/2016
08/01/2016 - 08/31/2016
06/01/2016 - 06/30/2016
05/01/2016 - 05/31/2016
04/01/2016 - 04/30/2016
03/01/2016 - 03/31/2016
02/01/2016 - 02/29/2016
01/01/2016 - 01/31/2016
12/01/2015 - 12/31/2015
11/01/2015 - 11/30/2015
10/01/2015 - 10/31/2015
09/01/2015 - 09/30/2015
08/01/2015 - 08/31/2015
07/01/2015 - 07/31/2015
06/01/2015 - 06/30/2015
05/01/2015 - 05/31/2015
03/01/2015 - 03/31/2015
12/01/2014 - 12/31/2014
06/01/2014 - 06/30/2014
05/01/2014 - 05/31/2014
03/01/2014 - 03/31/2014
02/01/2014 - 02/28/2014
12/01/2013 - 12/31/2013
11/01/2013 - 11/30/2013
10/01/2013 - 10/31/2013
08/01/2013 - 08/31/2013
07/01/2013 - 07/31/2013
06/01/2013 - 06/30/2013
04/01/2013 - 04/30/2013
03/01/2013 - 03/31/2013
02/01/2013 - 02/28/2013
01/01/2013 - 01/31/2013
12/01/2012 - 12/31/2012
10/01/2012 - 10/31/2012
09/01/2012 - 09/30/2012
07/01/2012 - 07/31/2012
06/01/2012 - 06/30/2012
05/01/2012 - 05/31/2012
04/01/2012 - 04/30/2012
03/01/2012 - 03/31/2012
02/01/2012 - 02/29/2012
01/01/2012 - 01/31/2012
發表評論
作者:
用戶名: 密碼: 您還不是博客/論壇用戶?現在就註冊!
     
評論:
人工智能與量化股票交易
   

人工智能與量化股票交易

我承認這個題目有些譁眾取寵。在全世界股市中採用新科技最多的美國股市,電腦軟件的應用還沒有達到類似能打敗圍棋世界頂尖棋手AlphaGo那樣的水平;但是它們用於進行量化股票交易的發展前途,與AlphaGo也沒有差很遠了。

最近與在華爾街某投行進行股票投資的親戚通電話,談到了計算機在股市上的應用。正好我看了一本描述量化投資的紀實體小說《The Quants》(中文譯名:寬客)。我們聊得很投機。

據他說,目前量化投資在華爾街盛行。以前那些靠研讀企業報表進行投資的老派人士已經退流行。買賣股票的操作大部分已經寫成程序,由電腦自動決定何時買賣。他們的工作就是根據實際情況隨時修改程序,使得能賺更多的錢。

他說,將來的趨勢大概是,股票交易不需要人類參與,由電腦自己直接進行。他開玩笑地說,那時他們這些人就要失業了。儘管他出自藤校,懂數學和金融,又會寫有關的金融交易軟件。

眾所周知,用電腦程序對股票進行交易,從上個世紀末期就已經開始,不算什麼稀奇事情。

我了解到,用電腦軟件交易股票大致經歷了這麼幾個階段。

其初級階段是根據各種股市指數的期貨(future of indexes)和期權(options of indexes)進行交易。這種交易軟件最容易寫,也容易操作。各大投行根據經驗,心照不宣地定好了幾乎一樣的各個股指買和賣的精確數字。數字一旦達標,整個股市就是一個大震盪:不是大漲,就是大跌。

軟件交易的第二階段,是各種套利(arbitrage)的程序。這裡面有一些學問和經驗。例如,利用某個企業的債券和股票之間的價值套利,利用某一股票的期權和其股價之間的不平衡套利,利用新發行和已發行的政府債券之間的價差套利,利用各國貨幣匯率之間的起伏套利,利用在不同時差的各國股市里交易的同一種股票的價差套利,等等。一句話,就是買入(“long”)價低的那部分,做空(“short”)價高的那部分,從中套取兩邊的差價。

以上這些套利行為,需要海量的數據分析和綜合,寫出精確的公式,給予電腦去執行,並在執行中不斷地修改和完善公式的參數。

軟件交易的第三階段,也就是目前一些研究開發實力比較強的投行和對沖基金正在做的,對個別股票的漲跌進行判斷,從而類似那些“日交易者(day traders)”干的那樣的電腦軟件。這些針對某些個別股票開發的特殊程序,可以進行極短期的交易(最短的持股時間僅有幾分鐘甚至幾秒鐘)。

這裡涉及的數學工具,就類似用於AlphaGo的概率和統計工具。其中最出名的就是隱(性)馬爾科夫過程(hidden Markov Process)及其模型。簡而言之,隱馬爾科夫過程就是根據已知的數學模型預測出某個特定股票在什麼條件下會漲或會跌,從而定出何時買賣的決定。

類似的原理也被用於債券、貨幣、商品和貴金屬及其衍生品 [derivatives]的交易軟件中。

我認為,用電腦軟件進行股票交易是未來的趨勢,是不可取代的,它可以減輕那些股票交易員的工作壓力,並增加回報率。

而反過來,人們也可以利用電腦軟件的弱點。電腦軟件比較死板,不靈活;而股票背後所站立的那些企業則生機盎然,變化萬千。企業的那些變化是電腦軟件無法看到和控制的。因此,人們進行股票買賣仍能賺錢,也有可能賺得比電腦軟件多。

電腦軟件的優點是沒有感情,不會產生人類在投資時常見的貪婪和膽怯,以致引起股市的超熱或超冷,大漲過頭或大跌過頭。電腦買賣股票會比單純由人類操作買賣股票來得理性。

電腦軟件交易的缺點是,大多數電腦軟件依據的原理是有效市場假說(efficient market hypothesis,EMH)。就是說,這些電腦交易軟件假定市場通常都處於非常有效的狀況,任何信息的變化都能及時地反映到股價/股市上。股市的運轉範圍都落在概率論中正態分布(normal distribution;也稱高斯分布 [Gaussian distribution])的那個著名的“鐘形曲線”內。

但是實際上,股市有時並不完全有效;特別當大多數人們處於超常的非理性狀態時。這時電腦軟件以及它所帶來的量化交易就會失控了。

大的量化交易的失控狀況已經出現過3次了。

第1次出現於1987年10月19日俗稱的“黑色星期一”那天。由於股票期權與股票組合之間的強力的扭曲關係,使得股市承受不起那麼大的賣壓,從而造成道·瓊斯指數大跌22.6%。

第2次發生於1998年。擅長於進行債券套利的美國對沖基金Long-Term Capital Management(LTCM),在亞洲多國和俄羅斯政府債券違約時,由於運用了太多的借債(leverage),造成LTCM的資金鍊斷裂。它的大幅虧損引起了各國股市和經濟連帶的大幅震盪。

第3次,就是2007-2008年被稱為“次級貸款”的經濟危機。它的元兇是“抵押債務憑證[collateralized debt obligation,CDO]”,及其與之配套的債券“信用違約互換[credit default swaps,CDS]”。它們引起的世界範圍的經濟危機。直到現在還沒有完全平息。

但是,人類總能戰勝自身的弱點。出現紕漏後,人們會把事情做得更完善,軟件寫得更漂亮。人們能總結教訓,不再犯同樣類型的錯誤。

==

參考連接:

Scott Patterson:《寬客》(The Quants: How a new breed of math whizzes conquered Wall Street and nearly destroyed it)

中文書評:

https://book.douban.com/subject/6712293/

英文介紹:

https://en.wikipedia.org/wiki/The_Quants


隱(性)馬爾科夫過程(hidden Markov Process)的介紹

較淺顯的:

https://www.zhihu.com/question/20962240

較深的:

http://blog.csdn.net/likelet/article/details/7056068


 
關於本站 | 廣告服務 | 聯繫我們 | 招聘信息 | 網站導航 | 隱私保護
Copyright (C) 1998-2026. Creaders.NET. All Rights Reserved.