石油负价格,量化防火墙、与AI人工智能

石油负价格,量化防火墙、与AI人工智能

请大家关注TOP极宽量化公众号,大量原创Python量化技术资料和课件、案例源码。
目前推广期间,关注公众号,即可免费浏览。

真心学,建议报班系统学习一下,一个月即可入行,
自学至少1-2年,没人带,很容易卡壳。
zw·Python&量化·魔鬼训练营 http://www.topquant.vip/?p=26


2020年4月,美国油期货5月结算价收于每桶-37美元,居然出现负数。
这种历史上从未出现的黑天鹅情况,令很多交易所,金融软件纷纷宕机,许多投资者也损失惨重。

在笔者和Top极宽量化学员的内部沟通当中,我们也曾经多次说过,现在美国政府无底线大放水,华尔街也开始进入无底线操盘模式,庄家凶猛,很多黑天鹅事件,都进入常态化。
像石油负价格这种不合逻辑的交易情况,背后的是因为庄家后台有交易者的数据,通过AI人工智能,进行的精确定向金融打击。
这个是数字货币的合约市场,以及屡见不鲜,2028,2019都有大量合约爆仓案例。
2020虽然大盘不好,BTC比特币却有减半的历史性加成,可是年初,BTC价格一度跌破五千美元,而BTC的挖矿成本价格是6000美元,全球海量合约集体爆仓。
稍后,BTC拉升到9500美元,又在一个交易日跌破8000,全球海量合约又是集体爆仓。
而道琼斯指数,在一度跌破一万五以后,在经济情况没有任何好转,美国疫情高峰时刻,又涨到两万三区间。
这些,都是黑天鹅事件,而且都进入常态化。

最近在整理btr系列课件字幕版本时,发下btr-e系列课件当中,针对这些意外情况,曾经有过介绍:
以下内容,摘自btr-e系列课件28节《opt参数优化》章节:

通常资产总值最高的策略,参数属于最优解。
但这个也不是绝对,例如,大盘不好的极端情况下,某些策略可能根本没有交易行为,一直是初始资金,只是没有亏损。
空交易的数据,无法评估策略的好坏。有个笑话说,在股灾的时候,有个没有做任何交易的基金经理,成为了年度最佳操盘手。
这个笑话,在量化回测角度,是不合理的。
所以需要过滤这些无操作的测试数据。

虽然这个bug,很简单,人眼一下子就可以发现。但是,对于复杂策略,多组参数,输出信息繁多,很难察觉。
所以,笔者个人认为,对于量化交易,包括AI人工智能模式,人工应该是最后一道防火墙。
很多电脑认为合理的策略,例如这种无交易策略,人工很容易就发现问题所在,但是机器不知道。

经常有网友问,AI人工智能和量化怎么结合。个人认为,目前短期内,全世界都没有很好的解决方案,不过AI可以用于复制数据整理,策略优化,类似本章的opt参数优化。
以围棋AI程序阿尔法狗为例,其简化版本就有上亿个参数, 目前阶段的量化模型,参数远远不够。
talib金融指标库常用的几十个指标,组合指标,看起来有几万个,但是离上亿还差得远。
如果没有足够的参数,模型是没办法做出正确的决策的。

反过来说,当模型的参数量太多时,人工也看不过来,需要AI人工智能进行整理筛选。
例如,空交易这个策略,电脑认为是正确的,但在实盘当中,空交易是不合理的。当然,我们可以把这条加入策略,进行过滤。
但是,还有很多其他类似的情况,我们可能第一感觉没有察觉,没有把其列入意外或者过滤清单,那么电脑可能认为还是正确交易。
就会出现一些误判交易,这种情况虽然很小,但是目前黑天鹅事件层出不穷,(2020的石油负价格就是一例)。个人还是坚持,人工作为交易的最好一道防火墙。
当然,如果采用的模型非常稳定,也经过长时间测试,那是另说。重点来说,量化策略,一定要通过长期的测试,防止意外情况发生。
这些意外情况,还是很难防止的,像美国太空总署啊,很多时候,卫星故障可能就是一个小bug,可能就是一个逗号,句号语句判别错误。
不是说机器不可靠,其实机器是最可靠的工具。
我们的数据计算,必须通过电脑进行,但最后的决策,还是应该由人工操作。


请大家关注TOP极宽量化公众号,大量原创Python量化技术资料和课件、案例源码。
目前推广期间,关注公众号,即可免费浏览。

真心学,建议报班系统学习一下,一个月即可入行,
自学至少1-2年,没人带,很容易卡壳。
zw·Python&量化·魔鬼训练营 http://www.topquant.vip/?p=26

 

 

发表评论

电子邮件地址不会被公开。 必填项已用*标注