1. 首頁 > 科技 > >

英特爾|量化簡史（從公式到人工智能）

英特爾GPU

【英特爾|量化簡史（從公式到人工智能）】英特爾|量化簡史（從公式到人工智能）

文章圖片

英特爾|量化簡史（從公式到人工智能）

文章圖片

英特爾|量化簡史（從公式到人工智能）

文章圖片

英特爾|量化簡史（從公式到人工智能）

文章圖片

英特爾|量化簡史（從公式到人工智能）

在遇到同花順iFind之前 ， 星空君學過一段Python ， 然后用幾個免費的數據庫爬取數據 ， 實現了財報數據和交易數據自動入庫 ， 然后形成想要的分析報表 。
后來發現某網站搞量化策略征集 ， 就去注冊了個賬號 ， 系統的了解了一下當前的量化情況 。
所謂量化 ， 就是依托于計算機技術的自動化交易 。 美股大約70%以上的交易量來自于量化 ， A股數據不是非常透明 ， 樂觀估計大約40%的交易量來自于量化 。
公開信息顯示 ， 目前中國已知的規模前十的私募中 ， 有一半是量化 。
另一半 ， 嘿嘿 ， 星空君認為采用了量化3.0（什么是量化3.0 ， 見下文分解） 。
需要注意的是 ， 量化只是一種交易方式 ， 賺錢的是邏輯是模型 ， 而不是交易方式 ， 和是否量化無關 。 正確的邏輯和模型 ， 無論是量化還是人腦 ， 都會賺錢；不正確的邏輯和模型 ， 無論是量化還是人腦 ， 都不會賺錢 。
在歷史的發展中 ， 量化技術發生了根本性的變化 ， 現在前沿的基于神經網絡的量化 ， 和早期的量化 ， 已經完全不是一個物種 。
從實際操作來看 ， 量化更適合高頻交易 ， 人腦定性投資更適合低頻長期價投 。
一、量化0.1 ， 公式時代
很多炒股軟件會有一些公式 ， 有的是軟件提供的警示點 ， 有的是炒股高手定義的買入賣出點 。
這就是最簡單的量化 ， 邏輯清晰 。

在Python的量化公式里 ， 這類買點、賣點非常多 。
這是最初階的量化 ， 但還不算量化 ， 星空君定義為這是量化0.1 。
二、量化1.0 ， 因子時代
應該說 ， 現在對量化有偏見的投資者 ， 絕大多數對量化的認知 ， 還停留在因子時代 。
什么是因子？
搞IT的都明白 ， 無非就是一條if語句 。

但中國的金融市場有個問題 ， 除了金融工程專業畢業的 ， 大部分財經專業都是學文的 ， 缺乏理科思維 。
對量化的認知 ， 就缺乏理科思維 。
而搞金融工程的 ， 都在悶聲發大財 。
星空君偷偷關注了一個量化協會 ， 發現現在研究量化的頂尖人才 ， 基本上是清北最高端的高科技人才 。
他們對因子的研究 ， 早已不是那么簡單 。
比如是這樣的：微博情緒和股市波動情況的關聯分析 。

他們不僅僅是對股票做量化 ， 甚至把微博、抖音等社交媒體也搞了量化 ， 利用大數據直接自動梳理和股價相關的因子… …
三、量化2.0 ， 上云時代
如果說1.0時代的計算主要依賴于服務器 ， 到了2.0就開始上云了 。
上云的好處是：無限算力 。
只要徐翔能把他的投資邏輯表達出來 ， 就可以落地 ， 然后窮舉、上云 。
四、量化3.0 ， 模型時代比較有趣的是 ， 量化3.0時代 ， 可能有的量化不是量化 。
如何理解呢？

相關經驗推薦