最新资讯风向标

深度赋能量化投资,探智立方领跑AutoML商业化变革

2020-08-03 02:34 作者: 来源: 本站 浏览: 17次 字号:

摘要:    (原标题:深度赋能量化投资,探智立方领跑AutoML商业化变革)   人工智能的热潮在全球各地不断发展,引发诸多领域产生颠覆性的前沿技术。然而,如何将AI技术落地,在行业应用领域不断延伸,依然是人工智能产业发展正在探索的问题。随着深度...

  

(原标题:深度赋能量化投资,探智立方领跑AutoML商业化变革)

  人工智能的热潮在全球各地不断发展,引发诸多领域产生颠覆性的前沿技术。然而,如何将AI技术落地,在行业应用领域不断延伸,依然是人工智能产业发展正在探索的问题。随着深度学习算法的出现,AI全面进入机器学习时代,作为机器学习领域的热点技术,AutoML技术正逐步进入人们的视野。

  在金融市场信息科技的不断发展中,数据的价值得到充分体现,尤其在投资及量化分析领域,依托机器学习平台的建模能力为量化平台提供支持服务,逐步被专业投资机构和投资爱好者广泛实践。同时,数据量发生指数级增长,数据类型日益增多,因子选择和数学模型也越来越复杂,传统的量化交易系统已经难以应对所有类型的海量数据。

  在此背景下,探智立方发布的一站式全自动机器学习平台DarwinML,结合自主研发的计算图模型演化技术,实现了机器学习、深度学习和因子符号回归等全面化的功能,在证券量化投资领域逐步发挥出强大的增益效果,作为量化投资前沿的新工具和科学手段,完成了将AutoML技术转化为商业应用又一重要实践。

  市场状态分类判定提供宝贵价值

  市场状态会对投资决策产生重大影响,对当下市场状态的正确判断是不同策略和不同因子成功实施的前提。DarwinML提供的自动化建模能力,可以通过AutoML技术构建市场状态学习模型,在面对不同品种的投资标的时分析使用,对推理不同品种的市场状态提供宝贵价值。

  通过DarwinML图形化界面,只需将市场状态分类的黑色系rb品种标签数据和行情数据导入DarwinML DataFusion平台,再通过自定义的金融数据预处理模版,自动生成用于做机器学习市场分类模型的数据,并导入DarwinML Studio平台,进行机器学习模型的自动设计、超参数搜索设计,即可以实现全流程的自动化。DarwinML平台针对rb品种的市场分类自动化模型分析准确率超过83%,同时将rb品种的模型应用于铁矿石i品种准确率也维持在80%以上。

  

图片1.png

  DarwinML平台模型自动化设计的参数

  据探智立方首席科技官钱广锐博士介绍!“DarwinML使用目前业界独有的模型演化设计方法构建市场状态分类模型,具备更好的普适性和泛化能力,实现了包括RSI、TSI、KST、MACD等数十个金融特征指标的自动化计算,能够充分挖掘数据价值,推理出最佳投资策略。”

  多因子模型自动化设计实现超额收益

  面对日益变化的市场和投资标的,如何快速有效的挖掘有效因子、从繁杂的数据中获取有价值的因子,成为当下投资机构的重要目标。DarwinML平台的多因子模块,在众多的市场因子和资产中,实现了高速有效的多因子模型自动化设计。

  在证券机构的测试中,DarwinML平台自动化构建的多因子对比开源的GPlearn工具应用效果显著提升。在实际测试中,针对COMEX黄金品种,采用DarwinML因子平台设计的TOP1因子,即使在2018年1月至2020年4月的未学习样本外数据中,回测效果的收益表现也非常稳定。

  

1591842075731.jpg

  通过DarwinML因子平台设计的因子实现稳定收益

  深度学习市场趋势达成精准预测

  在量化分析投资的研究过程中,市场单个品种或投资组合的未来时间趋势预测,是被用于投资量化的重要方法,为此,DarwinML平台为投资分析人员提供了时间序列的自动化建模功能。

  在DarwinML平台,导入特定资产的close数据、交易量及交易次数等信息,并添加我们构建的各种因子,即可实现包括MACD等十余种特征的自动化数据处理,并全自动开发时间序列模型,以更简单的方法处理众多因子和交易信息的复杂问题。在rb品种中,通过涨跌趋势预测的深度学习模型,对未来15分钟涨跌预测的胜率超过了80%,帮助投资分析人员有效、快速的预测未来特定时间的市场涨跌情况。

  

1591842123969.jpg

  DarwinML平台通过演化算法设计的rb涨跌预测模型

  在多个典型量化投资的应用场景中,DarwinML大幅度降低了分析人员使用机器学习深度学习分析工具的门槛,将数据建模时间由原来的数天降低到数个小时。同时,DarwinML因子工具极大了扩展了量化投资因子的多样性,结合回测系统,短时间内就能构建上百倍的有效因子数量,带来50%-400%的超额收益提升,赋能量化和证券投资人员的数据分析能力,提供更加丰富的策略选择和择时选择分析依据,为当前日益变化的投资环境提供有效的数据分析保障。