工欲善其事，必先利其器。对于量化私募来说，用好人工智能技术这把利剑至关重要。
刚刚荣获“三年金牛私募管理公司”并连续三年获得金牛称号的魔方量化，研发出了一台大小如篮球场。
据了解，环芳“萤火一号”累计投资超过1亿元，并投入近20名工程师自行施工，历时2年完成。“萤火一号”超级计算机主要解决AI投资的两大问题：模型更大、更复杂——支持超大规模神经网络训练，4亿参数的模型训练仅需84小时；数据量更大——其计算可与40,000台个人计算机相媲美。
投资人工智能很难
超级计算的目标是大型模型
欢放量化CEO陆正哲表示，欢放量化早在年就开始研究人工智能技术，年开始使用，年全面应用，全部用AI进行交易。利用人工智能进行投资有很大潜力，但在交易中应用却很困难。“由于大量的交易数据和时间序列模型，人工智能投资的模型更加复杂，需要更大的计算量，遇到了人工智能学科本身的许多基本问题。”
也就是说，利用人工智能进行投资有两大难点：一方面，需要创建机器学习模型。在这个环节中，由于交易数据量较大，且模型具有时间序列，学习模型较为复杂。仅仅建立模型是相当困难的。另一方面，建立模型后需要进行大量的机器学习，因为数据量太大，需要更高的计算能力。
“对于量化交易来说，算力更强、运行规模更大的模型肯定会改善策略。”陆正哲进一步指出，一般产业集群的机间带宽在1Gbps-50Gbps之间，适合多个小模型同时计算。超级计算机可以看作是一台能够解决较大模型计算问题的整体计算机。换句话说，普通设备只能单独运行来执行小型模型和分布式任务，而超级计算可以运行非常大的整体计算，并将其组合到一台机器中来运行。这也是超级计算和计算机集群的区别。”
计算能力可与40,000台PC相媲美
训练4亿参数模型仅需84小时
据了解，欢放的“萤火一号”超级计算机占地相当于一个篮球场，功耗400KW，由存储集群和计算集群组成。存储集群提供每秒1.3亿次IO响应、4.1Tbps读写带宽、1.2PB容量。该计算集群配备了块高端显卡，每秒可执行184petaflops的浮点运算，相当于4万台个人电脑的计算能力。所有节点通过200GbpsInfiniband交换机互连。
资料来源：MagicSquareQuantification
与传统AI集群相比，“萤火一号”支持超大规模的神经网络训练。MagicSquare定量地表示，传统AI集群的设计目标往往是支持同时训练多个小型模型，而“萤火一号”则是专门为训练超大规模模型而设计的。一个4亿参数的大规模经济分析模型在慧方上一代高性能集群上训练需要2个月，而“萤火一号”只需要84小时。
陆正哲表示，“萤火一号”的建设耗资超过1亿，从机房改造、空调风道设置、机柜摆放、机器布线、通讯设备等一切都得精打细算。因此，魔方定量成立了AI实验室，目的是探索前沿的AI研究。
据了解，“萤火一号”已于今年3月正式投运。在满足MagicSquare内部需求的同时，已逐步向一些科研机构的研究团队开放。自上线以来，“萤火一号”平均使用率已超过90%。
开放设备使用只是一部分，未来输出技术才是更大的目标。陆正哲表示：“未来技术输出，不仅仅是在量化交易层面，而是在更通用的场景，比如如何处理大规模的时间序列模型进行预测等。”
原来开投资公司需要这么高的技术啊！最后，CSI提醒您，环方定量人工智能实验室正在招聘工程师。
编辑：曹帅
重磅《5G新闻》一日游！中国移动表示将重新上线App，RCS概念股应声上涨。
9万余元未缴，这只私募基金被限制一年推出新项目！注意这些红线不能碰
资金思路很明确！汽车零部件板块多股涨停，家电、通讯、水泥股走强
【爆料榜单】私募基金“奥斯卡”奖项揭晓！最优秀的私募基金经理都在这里！五年期金牛私募基金跑赢指数近130个百分点！
人工智能量化交易平台宣布获得数百万元融资。据悉，本轮融资将主要用于团队建设、产品研发和硬件设备投入。
是一家基于人工智能的量化投资公司。成立于年10月，主要将技术应用于量化投资领域，实现低风险高收益的投资回报。
中国私募和公募基金规模突飞猛进。截至年2月末，我国私募基金规模达12.01万亿元，公募基金规模达12.64万亿元。在控制风险的前提下，增加了获得投资收益的概率。效率是公共和私人投资的最大需求，国外流行的量化交易越来越被国内机构接受。
在量化交易领域，目前有很多项目：私募量化交易平台JoinQuant、RiceQuant和友矿、为量化交易领域提供核心算法支持的中嘉、量化策略商城微店、以量化为代表的量化理财等。财富。平台，以及为量化投资者提供智能交易和分析工具的名策数据。
量化交易策略的建立是量化交易的重要组成部分。目前主要有两种方法。一是输入与这套逻辑相关的因素，如历史业绩、公司财务数据、宏观经济数据、上下游供应商数据等诸多参数，建立一套模型来计算底层价格涨幅。或者概率下降，并生成投资组合和仓位调整策略。近年来，随着人工智能的兴起，很多人开始利用机器学习等方法，输入很多因素，让AI自己生成策略。
创始人兼首席执行官庞表示，做法是不同的。它使用神经管网络来代替原来用逻辑和策略构建的数学模型。通过输入股票相关数据，利用不同结构训练的神经网络，实现机器自主的量化交易。我想成为量化交易界的Deepmind，成为中国基金。
目前，A股机器人首个产品“狗”已上线，用于国内二级市场投资。该产品已经测试了8个月。数据显示，郭台铭的真实表现是可圈可点的。即使在年11月A股普遍下跌的情况下，郭台铭仍然取得了5.23%的涨幅，最大回撤控制在2.7%。年1月末上证指数暴跌12%时，智富果成功提前平仓、规避风险，业绩明显好于市场。
投资人黄表示：“人工智能是一个非常好的提高效率的方式，我们非常关注人工智能在各个领域的应用。我们相信基于神经网络的代表性人工智能量化交易平台可以极大地提高大型高科技企业的水平。频率交易的效率。人的精力是有限的，再好的交易员也不可能同时看只股票，但机器却可以轻松做到。”
太神奇了。人工智能可以用来炒股吗？
人工智能在围棋、国际象棋、扑克等领域取得压倒性胜利已是不争的事实。事实上，像AlphaGo这样的人工智能已经可以用于任何需要理解复杂模式、制定长期计划和做出决策的领域。人们不禁要问，还有什么是人工智能无法克服的吗？比如变幻莫测的A股？
对于这个问题，有很多人有不同的看法。讨论可以分为两个部分：1.股市可以预测吗？2.如果可以预测，是否可以用机器学习的方法来预测？
我们先回答第一个问题：股市的涨跌可以预测吗？
如果我们把股票市场的价格变化看成一个随时间变化的序列，Price=Market(t)，我们常常会发现，无论我们尝试用N个模型来近似，即使我们建立这样的模型与股票价格变化一致，并在有足够的训练数据时模拟股票价格。然而，这些模型最多只能在特定范围内做出一些不准确的预测。
第一个是强化学习。该算法基于马尔可夫性质并从一个状态预测下一个状态。但股价的涨跌是否具有强马尔可夫性质呢？即前一时刻的股价与下一时刻的股价之间存在必然性。连接？它不应该太大。这种基于N阶马尔可夫性质的系统对于股票价格分析非常不利。而如果只用股票价格的历史数据来进行模型训练，准确率可以说几乎为0。
其实，影响股价的因素不仅仅是历史股价，还有更多的因素，比如公司目前的情况、股东对股票的态度、政策的影响等等。因此，很多人开始从这个方面来说，利用人工智能提供的快速计算能力，利用适当的模型来量化这些因素，例如。当您的模型考虑所有因素时，股票价格预测就很容易实现。股价=f
然而，有多少因素呢？它们如何相互影响是问题的关键。在一些稳定的情况下，我们可以做出近似的预测，但很多时候它们会不准确。这是因为您的模型很难考虑所有因素。而且，因素之间还会存在相互影响。股票价格模型将变得极其复杂。如下所示：
一个因素与另一个因素之间的相互作用可能是可以预测的，但如果它们相互作用，整个系统就变得几乎不可预测。一个因素的变化会引起几个因素的变化，最后这些因素又会反作用而直接或间接地引起前一个因素的变化，股价的变化顿时变得难以捉摸。一些细小的因素可以通过这个系统无限放大，最终对股市产生巨大的影响。
那么预测股票价格是不可能的吗？
事实上，人工智能远比我们想象的更强大。例如，非常复杂的贝叶斯推理，包括深度学习/深度强化学习，可以表达复杂的隐藏变量之间的关系。现在国内外不少企业都在探索人工智能应用于股市的可能性。
但说到将人工智能技术应用到股市上，大部分并不是指让人工智能代替人做决策，而是利用人工智能在数据处理方面的优势、不受主观偏好的影响来发挥作用在投资决策中。“AI专家咨询系统”的作用是协助人类做出更明智的决策。
股市分析包括基本面分析和技术分析两大部分，人工智能技术可以在这两方面发挥作用：
1
基本面分析
简而言之，就是阅读各种财经信息。面对互联网海量、复杂的信息，单纯依靠人脑已经无法解决问题。我们知道数据挖掘的三个V，、Velocity更新快、Variety多样。在处理如此海量的数据时，计算机具有人脑无法比拟的优势。深度学习在自然语言处理领域的应用，可以自动总结海量信息，提取必要信息来帮助人类做出决策。
此外，股票价格很大程度上取决于买卖双方的力量平衡以及每个投资者对某种股票的情绪。如果大家都看好一只股票，那么它就有可能上涨；否则，它就会掉落。还有一些特定事件会明显影响股价。例如，今年美国40年来首次开放原油出口后，国内能源板块如预期下跌。这就是为什么这么多投资者会阅读新闻、关注最新趋势，以保持敏锐的嗅觉。可见，在预测股票时，最重要的是信息，或者说数据，从中挖掘股票投资者的情绪。情绪识别已经是人工智能擅长的技术。国外这方面的研究很多，也有像DataMinr这样专注于从社交媒体中提取有价值的金融信号的公司。
如下图所示，美联社官方推文被黑客攻击，很快股市大幅下跌——然后上涨。虽然这次事件比较特殊，但想必如果能尽快得到类似的消息，其实就掌握了预测股市的主动权。
你可以大胆想象，如果你把情绪分析和机器学习结合起来，抓取海量的数据，做情绪分析，粗略地找出人们对某些股票是乐观还是悲观，那么你至少可以把这个因素纳入到模型中。学习范围之内。许多现有论文正在寻找提高情感分析准确性的方法。其他一些更简单的方法包括：GoogleTrend。这是一个非常简单的方法：利用Google提供的搜索量数据，通过搜索量的变化来预测。使用TwitterVolume
2、技术分析
传统技术分析中的“大阳星”、“小阴星”、“旭日”、“断头断脚”等K线分析，其实都是人脑的模式识别。受限于人脑的信息处理能力，这些识别的形态存在以下缺点：它们只是单一的K线，基于模糊的形状，似是而非，没有确切的数值标准；(2)基于有限的历史信息。好的深度学习策略可以突破人脑的限制，比如突破单条K线的限制，从更多的金融信号中寻找规律；或者从更长的一段时间来看。识别历史信息中的模式。
简而言之，人工智能将增强我们处理信息的深度和广度。使用基于人工智能技术的“机器人顾问”的人将比不使用或仍在使用“人脑”进行基本面分析和技术分析的人拥有信息优势，因此更有可能在市场中获利。股市。
人工智能在证券投资领域的兴起始于年。当时，第一只纯人工智能投资基金在美国纽约诞生。此后，人工智能在证券投资研究领域的发展驶入快车道；事实上，在证券投资领域，人工智能并不是什么新鲜事。量化对冲基金经理分布在北京金融街和上海陆家嘴。一般来说，公募基金或者大型私募的量化投资部门由两部分组成，一是投研团队，二是IT团队。投研团队提出需求，IT团队开发算法交易模块，解决基金经理的问题。需要。
“正常情况下，我每天的工作流程是早上起床后看生成的股票清单，然后看投资组合管理系统中分配给每个策略的权重，以及这些策略的总仓位。策略，然后根据机器给出的信号的各种数据，判断机器给出的信号是否存在明显错误。”一位量化对冲经理表示，如果当天需要交易，他会生成交易指令，然后将订单放入交易系统，交易系统就会开始自动运行。
在传统投资研究中，基金经理和研究人员对金融、交易、市场等数据进行建模，分析其显着特征，并使用回归分析等传统机器学习算法制定交易策略。在人工智能阶段，这些任务都交给了计算机。目前，一些私募基金已经开始将量化对冲的三个子领域融入日常交易策略中，试图获取利润。它们包括机器学习、自然语言处理和知识图谱。例如，作为全球最大的对冲基金，BridgewaterAsspcoates采用基于历史数据和统计概率的交易算法，让系统能够自主学习市场变化并适应新信息。
AlphaGo对李世石和柯洁的胜利引起了全世界的关注。投射到投资研究领域，是人工智能量化选股与人类基金经理之间的对决。事实证明，人工智能选股更能避免市场波动下的非理性选择，规避非系统性风险，获得确定性收益。波动率、最大回撤等指标也较低，表现更加稳定。
然而，尽管机器的移动速度比人类快，但它们的思考速度仍然比人类快。例如，面对新出台的政策或市场热点，基金经理可以据此立即采取行动。但机器速度没那么快。这就是人类的优势。再比如，一台机器一次只能在一个阶段做一种策略，比如供给侧改革，只能想到煤炭、钢铁、有色金属的股票。但对于基金经理来说，他还可以同时做价值投资或动量逆转。和其他策略。
总体而言，将整个股票投资决策流程交给机器，目前只有少数金融巨头能够做到。
美国硅谷科技公司Sensibility拥有负责整个股票交易流程的人工智能程序。与其他一些使用人工智能的投资公司不同，该公司的交易部门只有两名员工负责监控机器，以确保在出现不可控情况时可以将其关闭。终止交易。据介绍，Perception的人工智能投资系统可以通过经验学习实现“自主进化”。该公司在全球拥有数千台同时运行的机器，其独特的算法创造了数万亿个被称为“基因”的虚拟交易者。系统使用历史数据来模拟交易。目前它可以在几分钟内模拟1,800天的交易量。经过测试，不好的“基因”被淘汰，好的“基因”被保留。通过检验的好“基因”才能用于实实在在的交易。公司员工只需设定时间、收益率、风险指数等交易指标，剩下的由机器来处理。
该公司首席投资官杰夫霍尔曼透露，目前机器无需人工干预即可控制大量股票，每天完成数百笔交易，并持仓数天至数周。该公司表示，该机器的性能超出了其设定的内部目标，但没有透露这些目标的具体细节。
随着人工智能技术的不断进步，人工智能投资成为学术界和资本青睐的领域。英国布里斯托大学教授克里斯蒂安尼尼表示，股票投资是最有可能被人工智能改变的十大行业之一。另一方面，并非所有投资者都信任机器。英国对冲基金曼氏金融首席科学家莱德福德警告称，人工智能投资不应过度信任。该领域远未成熟。尽管有各种各样的误导性承诺，许多投资者却再也拿不回自己的钱。
