在交易里面人最容易犯的毛病就是“追漲殺跌”，一是見(jiàn)漲追買，見(jiàn)跌追賣。結(jié)果錢沒(méi)有賺到卻賠了不少。這是因?yàn)槿祟愑胸澙?、愚蠢、恐懼等大腦盲點(diǎn)和誤區(qū)，導(dǎo)致交易時(shí)容易發(fā)生各種腦殘和欠揍行為。
感情本是人最大的優(yōu)勢(shì)，但在交易里卻成為人最大的劣勢(shì)。為了避免人類在交易里種種作死行為，人們開(kāi)始引入量化交易。機(jī)器永遠(yuǎn)按指令行事，不會(huì)感情用事。這也是量化交易最大的魅力“紀(jì)律”。
人類只要把交易經(jīng)驗(yàn)和知識(shí)變成“因子”，然后機(jī)器按照這些“因子”去找信號(hào)，并執(zhí)行。到價(jià)格低了就買入，價(jià)格高了就賣出。
永遠(yuǎn)不再發(fā)生這樣的事情：你早上開(kāi)盤做了一個(gè)投資組合，結(jié)果上午一看新聞，或者一看盤，組合一時(shí)收益欠佳，甚至虧了。就恐懼坐不住了，立馬欠手給賣了，結(jié)果收盤的時(shí)候發(fā)現(xiàn)如果不賣其實(shí)還滿意了，現(xiàn)在卻真虧了。
在這里向讀者介紹這本書(shū)《深入淺出python量化交易實(shí)戰(zhàn)》。 這是一本Python量化交易實(shí)戰(zhàn)書(shū)，適合對(duì)量化交易了解不多，已經(jīng)有python編程基礎(chǔ)，但對(duì)量化交易感興趣的讀者學(xué)習(xí)使用。這本書(shū)以交易實(shí)戰(zhàn)的方式引導(dǎo)讀者一步一步學(xué)習(xí)量化交易策略，從經(jīng)典的移動(dòng)平均策略和海龜策略一直講到因子投資和自然語(yǔ)言處理技術(shù)的應(yīng)用，讓初學(xué)者從基礎(chǔ)的交易策略搭建入手，最終體驗(yàn)到國(guó)際前沿技術(shù)的應(yīng)用。
01、因子投資?
因子投資是時(shí)下投資界非常熱門的方向，在過(guò)去十年里發(fā)展迅速。根據(jù)Morningstar的估計(jì)，全美投資于因子投資模型的資產(chǎn)在2017年就超過(guò)了1萬(wàn)億美元。黑石在2019年底發(fā)布的報(bào)告稱，全美通過(guò)ETF投資于因子模型的資金已經(jīng)達(dá)到了4820億美元，并且仍在高速增長(zhǎng)。而大多數(shù)普通中國(guó)投資者對(duì)于因子投資卻知之甚少。
那么什么是因子投資呢？在WorldQuant上給出的因子公式是這樣的：
（rank(Ts_ArgMax(SingedPower(((returns<0)?stddev(returns,20):close,2,5))-0.5)
看到上面的公式，普通人肯定腦殼發(fā)麻。什么鬼東西！而《深入淺出Python》這本書(shū)友好的地方，是沒(méi)有用這么專業(yè)的方式來(lái)解釋因子投資。
書(shū)里對(duì)因子投資這樣解釋：“因子其實(shí)就解決兩個(gè)問(wèn)題：一是買誰(shuí)；二是什么時(shí)候買和什么時(shí)候賣。解決“買誰(shuí)”這個(gè)問(wèn)題的因子，一般稱為量化選股因子；而解決“什么時(shí)候買和什么時(shí)候賣”這個(gè)問(wèn)題的因子，一般稱為量化擇時(shí)因子?！?/p>
通過(guò)作者這樣的解釋，普通人的我們一下子就理解了什么是因子。因子是人的決策因素，因子是被翻譯給機(jī)器聽(tīng)的，然后機(jī)器按照因子去尋找信號(hào)，并買入和賣出。
而且因子更厲害的地方在于，它不僅僅是單個(gè)因子判斷 ，而且還能做到多因子共同判斷。你可以不斷對(duì)因子模型和策略進(jìn)行改進(jìn)，從而使得它們更好服務(wù)于你。
作者在書(shū)中不僅對(duì)傳統(tǒng)基本面因子“市值”、“市現(xiàn)率”、“凈利潤(rùn)率”、“凈利潤(rùn)增長(zhǎng)率”等舉例實(shí)踐操作，還對(duì)創(chuàng)新因子“情緒因子”進(jìn)行實(shí)驗(yàn)。通過(guò)展示實(shí)例操作力圖讓讀者明白設(shè)計(jì)因子的思路，并掌握因子的用法。
當(dāng)我們讀到書(shū)中這些因子投資方法時(shí)，只要拓展思考 一下。就可以得出結(jié)論。在因子投資里，量化投資策略是無(wú)數(shù)種可能性的。比如基本面因子、價(jià)值因子、技術(shù)因子、動(dòng)量因子、情緒因子、波動(dòng)因子、規(guī)模因子、質(zhì)量因子等。只要發(fā)揮自己的聰明才智，這樣就能找到自己的投資組合指標(biāo)。
02、自然語(yǔ)言處理技術(shù)在量化交易運(yùn)用
?
巴菲特有句經(jīng)典名言：“在別人恐懼時(shí)我貪婪,在別人貪婪時(shí)我恐懼?！?投資者視這句話為金石良言卻又感嘆自己無(wú)法做到。因?yàn)樵趯?shí)際交易操作中，往往是別人恐懼，我也恐懼，別人貪婪，我也貪婪。為什么這句話在股市操作中如此難以實(shí)現(xiàn)？
之所以難，就難在股市中我們無(wú)法量化貪婪和恐懼。當(dāng)指數(shù)到達(dá)某個(gè)點(diǎn)時(shí)，我怎么確定大家都貪婪？而指數(shù)跌到某個(gè)點(diǎn)時(shí)，我又怎么確定大家都恐懼呢？
別人貪婪時(shí)我恐懼，別人恐懼時(shí)我貪婪，歸根結(jié)底是我們需要一個(gè)方案：捕捉大眾的情緒和注意力。
在這時(shí)，NLP（自然語(yǔ)言處理）技術(shù)就排上場(chǎng) 。NLP能夠通過(guò)捕捉市場(chǎng)上數(shù)據(jù)、新聞、評(píng)論、自媒體等信息，將人類語(yǔ)言變成符號(hào)和關(guān)系，從而讓計(jì)算機(jī)讀懂我們?nèi)祟惖恼Z(yǔ)言，分析出人類大眾的情緒和注意力，進(jìn)而提供更精確交易判斷依據(jù)。
由于人類理解數(shù)據(jù)與機(jī)器理解數(shù)據(jù)是不一樣的，為了讓機(jī)器能讀懂文本，我們就需要對(duì)文本數(shù)據(jù)進(jìn)行處理。
難得的是《深入淺出python量化交易實(shí)戰(zhàn)》這本書(shū)深入淺出向讀者展示，如何運(yùn)用NLP技術(shù)進(jìn)行文本數(shù)據(jù)處理實(shí)戰(zhàn)。
書(shū)中一步一步指導(dǎo)，利用“聚寬”平臺(tái)提供的輿情數(shù)據(jù)、從輸入加載數(shù)據(jù)代碼，到文本數(shù)據(jù)清洗，再到運(yùn)用“結(jié)巴”分詞工具實(shí)現(xiàn)列表分詞，提取關(guān)鍵詞，最后計(jì)算出關(guān)鍵詞的權(quán)重，從而推測(cè)出與市場(chǎng)相關(guān)的注意力在哪里。
接下的章節(jié)里，作者還向我們介紹了話題建模實(shí)戰(zhàn)。話題建模是讓機(jī)器幫助我們?cè)诤Ａ康奈谋井?dāng)中快速找到關(guān)鍵信息。想象一下，在這個(gè)信息爆炸增長(zhǎng)的時(shí)代里，每天新增的網(wǎng)絡(luò)信息都是數(shù)以億計(jì)的。假如讓一個(gè)人在1天當(dāng)中看完并了解核心信息，恐怕以人類的能力實(shí)在做不到。但是機(jī)器卻是有可能辦到的。
使用LDA話題建模，能讓機(jī)器根據(jù)我們的要求，從文檔中提取出指定數(shù)量 的話題，并且告訴我們每個(gè)話題包含的高頻詞都有哪些，從而判斷出市場(chǎng)的注意力在哪里。
我們還可以利用貝葉斯模型判斷文本的是正面情緒還是負(fù)面情緒，讓機(jī)器識(shí)別出市場(chǎng)投資者的情緒。? ? ?
03、寫在最后
?如今，隨著人工智能技術(shù)的飛速發(fā)展，人類也進(jìn)入了智能時(shí)代。傳統(tǒng)以人為主的交易，將慢慢交給機(jī)器做決定。機(jī)器和算法變成主角，人類退居二線。因?yàn)楸绕鹑祟愖x報(bào)表找到的信號(hào)，機(jī)器 可以同時(shí)收集表內(nèi)數(shù)據(jù) 、表外數(shù)據(jù) 、小道 消息、衛(wèi)星數(shù)據(jù)、google搜索、消費(fèi)者行為變化，甚至察言觀色。機(jī)器比起人在讀取信號(hào)的速度和數(shù)量上都有著巨大優(yōu)勢(shì)。
?雖然我們未來(lái)可能不從事量化交易工作，但是不要忘了我們也是交易世界里的一員，身為魚(yú)有必要了解水質(zhì)。 而透過(guò)這本《深入淺出Python量化交易實(shí)戰(zhàn)》，我們可以一窺量化交易的世界是怎么運(yùn)轉(zhuǎn)的。
