在继续《跟我学AI量化交易》之前,谈点题外话:股价的涨跌是可以预测的吗?
股价的涨跌预测一直是一个令人众里寻他千百度的热点话题。微博、头条大v和各路老师每天乐此不疲,为各方韭菜供给养分。然而,股价真是可以预测的吗?
开写《跟我学AI量化交易》,也必须回答好这个问题。如果股价不能预测,这个开题就没有必要;如果股价可以预测,为什么连证券公司的某首席科学家都一直在出错?
我们认为,股价运动像万物运动一样有其规律,也遵循这个世界的普遍自然规律和经济学原理:
艾萨克.牛顿
也叫牛顿第一定律。这一规律本身是关于机械运动的,它指出任何物体都要保持匀速直线运动或静止状态,直到外力迫使它改变运动状态。在证券交易领域,惯性定律是指任何股价运行的趋势一旦形成,它都要保持这种趋势运行,直到被强有力的外力改变。
惯性定律是量化交易得以成立的关键所在。走势很难预测,但如果趋势一旦成立,都必然会继续运行一段时间的话,那么通过量化交易迅速发现这个趋势并买入,并在趋势刚刚改变之后立即卖出,则可以比较确定地盈利。
法国先贤祠的福柯摆,证实了地球在自转
自然世界中有很多运动都是周期往复的。实际上几乎所有的运动的轨迹,都可以通过不同频率和相位的正弦波叠加出来,而正弦波就是一个围绕中心点、周期往复的运动。
在允许投机的市场,价格并不必然等同于价值,但必定以价值为中心点进行上下波动。价格离价值中心越远,回归价值中心的力量就越强。
在股价预测当中,除了惯性定律,也要注意钟摆定律。当股价沿惯性运行到一定位置,远离其价值中心时,就产生了反方向的作用力。价值中心在哪里是一个很难测量的属性。在长线交易中,我们可以使用证券的PE及其变种来推算;在短线交易中,我们可以使用各种对应的均线来近似。
证券价格沿时间线的变化构成时间序列,时间序列分布遵循分形分布(【资本市场的混沌和秩序:一种关于周期、价格和市场波动的新观点 】,Peters等,1996年)。在处于平衡态的时间序列上,小级别的分形形态改变,将可能引发大级别的趋势改变,也即混沌效应。
在量化交易策略中,要特别注意小级别的分形形态的改变对大级别趋势的引领作用。比如,日线级别的下跌,可能是由30分钟级别的滞涨和拐头引起的;老股民所熟知的长上影线出现后,可能导致激烈的洗盘,其实就是在更小的级别上,出现了向下的趋势。及时捕捉到小级别上的变化并退出市场,就可以避免更大的损失。
混沌效应是量化交易中我们唯一可以做'预测'的地方。即通过小级别周期已经发生的历史事件,来预测大周期未来可能发生的事件。
了解了上述左右股价改变的基本原理之后,我们还要从操作层面,了解人的行为对股价的影响:
物理学家、诺贝尔得主 海森堡
测不准原理是物理学家海森堡于1927年在论文《论量子理论运动学与力学的物理内涵》中提出来的。它在量子力学里的解释是,粒子的位置与动量不可同时被确定,位置的不确定性越小,则动量的不确定性越大,反之亦然。对于不同的案例,不确定性的内涵也不一样,它可以是观察者对于某种数量的信息的缺乏程度,也可以是对于某种数量的测量误差大小,或者是一个系统的类似制备的系统所具有的统计学扩散数值。也就是说,尽管我们较少听说测不准原理在量子力学以外的广泛应用,其实这条原理也是适用于其它领域的。
实际上,在任何交易领域,都适用测不准原理。比如,你可以预言股指会运行到某个点位,但点位越精确,则对到达该点位的时间的预测就越不精确。
测不准原理在量化领域会导致策略使用的人越多,就越容易失效。如果借用量子物理的术语,把借量化策略参与交易的人称作观察者的话,那么显然同类的观察者越多,他们对被观察标的的扰动也就越大,因此越不容易观察到目标的本来面目。
这一规律对量化交易者的启示是什么呢?每一个有效的量化交易策略都必须严格保密。一旦扩散出去,利用该策略进行交易的人多了,该量化策略原先基于的各种先决条件就不再存在,因此量化策略也将失效。或者说,对同一量化策略,其操作的资金量必须进行限制,以免对市场产生扰动,从而破坏了量化策略本身的先决条件。
在投资市场中,大众的资金总是被少数有领导力的资金带动。这些大资金有更好的消息渠道(合法或者不合法)。他们得到消息后,进行预判,并通过操作来影响市场大众的判断,从而最终影响股价的波动。这些影响就是改变惯性运动的外力。
到此为止,左右股价运行的基本原理就介绍完毕。
如果左右股价的基本原理都已发现,为什么到目前为止,仍然不能像欧几里德建立他的几何王国,牛顿预言行星的运动一样,预测股价的波动呢?原因也正在这些原理本身。
首先,测不准原理告诉我们,一个好的策略一定是不为大众所知的。所以,即使有一个好的数学方法,一旦它得以公开,就基本失去了作用。一些经典的技术指标现在之所以用得越来越少,这是原因之一。
第二,当新的消息(外力)出现时,股价会出现突变,从而构成数学上的不连续性。一个不连续的系统是不可微的,也难以使用经典的数学分析方法来分析。一个例外是近来比较流行的策略是动量策略,它本质上是对惯性定律的使用,也只在短时间内有效,需要根据行情的演进不断地修正预测。
第三,在大数据和人工智能出现之前,预测股价还存在算力上的不可行。由于机器学习可以从数据中学习特征,因此可以及时跟上市场的变化。而传统的分析方式需要依靠人工观察市场变化,提取市场特征。一旦某种市场特征被观察到进入应用,很快又会因为测不准原理而失效,所以量化方法还不能占据主流。牛顿曾经在投资南海公司失败后喟叹,我能计算出行星的轨迹,却无法计算出人心的疯狂。这也说明经典的数学分析方法在股市上难以有所作用。但如果当年他就拥有大数据和人工智能加持,或许这位人类最伟大的科学家,造币厂的厂长,还会成为投资界的一个传奇吧?
但是,事情正在起变化。
文艺复兴投资公司旗下的大奖章基金,从1989年成立以来,年化回报率超过35%,远超巴菲特的投资收益。
从海外来看,今年是对冲基金招聘员工创纪录的一年。与过去三年相比,基金经理的招聘数量增加了30-40%。从Point72、Citadel、Millennium、Balyasny和ExodusPoint所有员工在LinkedIn上的注册情况来看,在2020年3月至9月期间,注册员工总数增长了逾500人,增幅为7%,其中ExodusPoint的注册人数增幅最大。
从猎聘的数据来看,国内今年增长也很迅速,呈现招人多,薪资高的现象。这也是与我国资本市场深化改革,即将全面实现注册制和新的T+0交易制度相印证的。
因此,现在正是我们进入AI量化交易的好时机,这也是我们推出《跟我学AI量化交易》的时机上的选择,关注我们,跟上时代,一起进入AI量化交易时代!
联系客服