当前位置:首页 » 基金管理 » 正文

量化策略后起之秀:机器学习,是魔盒还是黑箱

6 人参与  2020年09月02日 02:36  分类 : 基金管理  评论

来源:好买臻财VIP

好买说:

近年来随着计算机的算力提升,算法模型的丰富以及市场中可获得的数据越来越多,使得机器学习在量化策略中的应用越来越频繁。那么大家经常会问,机器学习到底是什么,我们应该如何去判断机器学习策略模型的好坏,以及机器学习策略产品净值变化的原因又是什么呢?

好买君希望通过这篇文章,向大家讲解一下机器学习到底是怎么一回事。

1

机器学习在做什么

机器学习是人工智能领域里的概念,由于机器学习技术是AI发展最快的成员之一,因此变得热门起来被人们所熟知。它使用算法模型来解析数据,从中学习、形成经验以对后面发生的事件做出预测和决策。其中的原理可以追溯到贝叶斯法则,即后验概率与先验概率的关系。

利用这一点,通过大量的数据对机器进行“训练”(或者说“学习”),然后机器会根据算法从数据中去寻求一个逻辑规律使它离我们想要的目标最为接近(概率最大)。其中常用和流行的算法模型包括决策树、聚类、支持向量机、梯度提升与下降、深度神经网络等。

2

机器学习在金融市场能做什么

对于金融市场里面的这些结构化数据,机器学习是处理它们的大师。因为在给它足够多的数据和特征之后,它的拟合能力是其他所有策略无法比拟的。

但是因为金融市场里的数据噪音很大,加上模型的参数设置问题就会引起过拟合,所谓过拟合,那就是机器把数据里不具有一般化的特征给学习进去了,所以会导致在样本内的结果表现特别好,但是一到样本外,效果就大打折扣,这也就是为什么在把数据输入模型之前,需要尽可能地预处理数据把噪音降到最低。

虽说机器学习模型在分析结果上表现很优异,但它的黑箱算法却很难以被人理解和接受,为什么模型这段时间收益这么高,为什么突然出现这么大回撤?这些不仅仅是对投资者,就连模型开发者都无法用常规的方法去归因和理解清楚。

因为真实世界市场里的情况远比历史反映在数据里的情况复杂得多,纵使我们用数学思想可以去知道它的处理方法,但是在最后的结果中,相应特征因子的权重和包含的逻辑却无法直观得知。

不过,现在机器学习模型越来越成熟,很多机构不用去知道其中的逻辑和原因而选择直接采用这种结果(经过测试有效)依然可以在金融市场里取得可观的收益。所以,“不管白猫黑猫,能抓耗子的就是好猫”。

3

机器学习策略表现得好吗?

我们先看看今年以来各种策略的表现:

数据来源:好买基金研究中心

数据区间:2020.1-2020.7

从图表中我们可以看出,机器学习策略可能不是每个月表现最好的,但是在今年以来这种市场大起大落,情绪忽高忽低的大环境下,总体表现却是最优异的,这也突显出机器学习模型算法的优势之处,足够多的数据就能适应足够多的情景。

总之,对于机器学习的应用,无论是对管理人还是投资者,大家都见仁见智,有的人愿意完全相信模型,结果导向,而有的人倾向于可理解和可解释,风险可控。随着人工智能的发展,我们相信未来也会有越来越多的研究让机器学习的算法不再“黑箱”,届时,投资也会变得更加简单。

本文链接:http://www.zhongminggroup.cn/post/5571.html

<< 上一篇 下一篇 >>

  • 评论(0)
  • 赞助本站

◎欢迎参与讨论,请在这里发表您的看法、交流您的观点。