傳統量化投資與AI量化投資的對比研究

朱辰

摘 要：為了獲得更加穩定的收益，量化投資被作為一種可以實現數量統計、建模以及自動式買賣的方式被很多人所使用，這種投資方式已經得到了較為長遠的發展，尤其是在國外很多發達國家發揮著十分重要的作用。但是由于我國的市場經濟體制還不夠成熟，制度因素以及各種工具的限制使得量化投資還沒有得到長期的發展，各種體制也不夠成熟。近年來，隨著電子信息技術的廣泛發展，大數據、人工智能以及云計算等先進的科學技術被更多的人以及行業所使用的，機器學習得到廣泛研究的同時也在量化投資領域產生了一定的影響，由此而產生了一種全新的量化投資方式，即AI量化投資，行業內很多人員開始關注這一量化投資方式，由此也產生了很多爭議和討論。因此，本文將對量化投資進行介紹并對傳統的量化投資方式和AI量化投資進行簡單的比較，以供行業內專業人士參考。

關鍵詞：量化投資;人工智能;AI量化投資

中圖分類號：F832 文獻標識碼：A 文章編號：1671-2064（2020）06-0255-02

互聯網行業的快速發展帶動了很多行業的改革創新，很多行業衍生出新型的概念促進創新和發展。而在金融界，量化投資作為一種先進的方式能夠實現對傳統投機行為的數量化，從而使得投資收益更加的具有穩定性，而在此基礎上，量化投資也更多的借助了計算機信息網絡的幫助，使得交易行為能夠在程序設計下自動完成，從而使得買賣行為更加的具有準確性和及時性，量化投資也使得投資人的投資選擇更加的科學，進一步減輕了負擔。而隨著電子信息技術的不斷進步和發展，出現了更多先進的科學技術能夠服務于社會各行各業，如人工智能、深度學習、云計算等的出現使得量化投資領域也得到了更為深遠的發展，在這樣的技術支撐下，出現了AI量化投資。所謂AI量化投資，指的是在選股以及策略交易時更多的應用經典的機器學習理念以及深度學習的模型建立投資模型，從而使得因子分析更加的科學且高效，并且因子分析的結果可以得到更加合適的自動化交易對象，這種投資算法模型能夠使得投資收益更加穩定，進一步規避了投資市場可能出現的風險，在現代金融領域得到了廣泛的研究和學習，為金融市場的發展提供了很多幫助。

1 量化投資概述

量化投資這一理念的出現使得投資收益穩定性顯著提升，而所謂量化投資，是同時結合了數學模型和計算機自動化技術在內的一種投資技術，能夠使得投資理念和投資策略實現程序化，從而提升投資過程的科學性和高效性。需要認識到的是，量化投資是一種主動型的投資方式，投資人利用量化投資可以進行全面的研究分析以得到個股標的物、行業大盤以及整個金融市場的驅動因素，在對這些因素進行研究分析的基礎上，得到最優化的投資組合方式，從而在金融市場獲得最大化甚至超額的收益[1]。量化投資使用最多的方式是多音字選股，能夠在數據與模型的基礎上在市場上尋找到最合適的投資對象并且選擇最理想的投資策略。而應用最多的量化投資策略主要分為以下四種：

1.1 趨勢判斷類

量化投資在被用于商品期貨交易時主要采用的就是趨勢類策略，這主要是因為商品期貨自身的特性決定的，由于商品期貨價格通常是與大宗商品現貨價格相關的，而這類商品的一大特征就是與國民經濟發展之間存在著密切的關系，因此在很大程度上這類商品的價格是保持在穩定的狀態下的，一旦反生變化也是周期性的大趨勢變化[2]。基于這些商品期貨的特征，趨勢判斷型策略能夠在投資行為以及投資策略上發揮更大的作用，能夠較好的抓住發展趨勢，大漲趨勢做多，大跌趨勢做空，從而實現收益并有效的止損。

1.2 波動率類

這類量化投資策略更多的應用在期權市場之中，與其他幾種策略相比其優勢在于不易暴露單邊風險，可以在趨勢判斷類策略之上對其進行完善和補充。進行波動率類策略時，其基本的市場在于賣出一手某一執行價格的買權，與此同時賣出一手同一執行價格的賣權，采取這樣的交易策略就可以在市場走勢較為平穩的情況下，賣出手中的期權來轉圈權利金收益。除此之外，采用波動率類策略也存在一定的風險，如果市場價格發生較大的波動時，這類交易策略就會遭受一定的損失，而更好的應用這類策略的關鍵在于操盤積累的更多把握。

1.3 套利類策略

在進行外匯交易時，套利類策略應用較為廣泛，應用這類策略可以實現利用不同國家之間的貨幣利率變化產生的高低之差套利的目的。進行套利類策略的關鍵在于市場是非有效或者弱有效的，在市場變化時會發生價格以及價值的偏差[3]。因此對于投資人而言，可以通過進行偏離本身價值的標的物價格的挖掘，并認定在未來某一時期標的物的價格會回歸于價值，從而提前做出買賣準備。套利類策略主要包括期現套利、跨期套利、跨品種套利以及跨市場套利四種。

1.4 價值投資類策略

量化投資使用較多的還是股票交易市場，而在股市中價值投資類策略也是應用最多的一種，采用這種投資策略能夠使得價值投資組合很大程度上戰勝大盤。采用這一策略的出發點也是基于市場非有效的認定，市場內或多或少的存在一些股票是不符合當前價值的，要么高估要么低估，如果投資人能夠承擔這種假設帶來的風險溢價，相應的就能夠在未來市場獲取一定的風險補償。采用價值投資類的關鍵在于標的物價值的衡量，在股票市場上需要對股票或者是企業的價值進行科學的評定，這也就需要一系列有效的指標作為評定的依據[4]。而在當下的價值投資類策略應用股市時，資本收益率和股票收益率是最為常用的兩種指標，可以有效反映出企業的經營水平以及發展潛力。在價值投資類策略應用之前需要依賴這些指標對企業進行評定，得出綜合得分最高的公司最為投資人的最佳選擇。

2 傳統量化投資與AI量化投資的對比研究

量化投資這一方式發展時間較久，也經過長時間的應用發展逐漸得到了市場的認可，主要是通過數據分析和模型建立的有效集合實現穩定收益的一種投資方式。而AI量化投資方式，應用了人工智能這一先進的科學技術，所涉及的概念較為廣泛，在量化投資領域應用人工智能技術有一定的應用潛力，但是目前并未實現大規模的推廣和普及，對其是否能夠產生更大的收益不同的人群也有著完全不同的觀點[5]。

對于傳統量化投資方式而言，能夠對金融市場上的產品價格、市場指標以及技術指標等進行數學關系的研究，并尋求其變化規律，從歷史數據中尋求更好的實現高概率、低風險、長期穩定投資超額收益的有效策略，并且根據制定好的策略選擇合適的數量化投資模型，確保收益的超額、穩定性。量化投資與其他投資方式相比較，有著其獨特的優勢，首先來說，量化投資得出投資策略是在客觀歷史數據基礎上產生的，規避了主觀風險，計算機可以利用歷史規律進行自動化程序交易。其次，計算機程序的設計使得投資人在進行投資活動時也更加的輕松，不再進行持續的看盤與分析之中，而是更多的應對可能出現的突發情況之中。最后，量化投資涉及到的投資視角較大，精確復雜的數學模型以及高效率的計算機計算使得人工限制顯著減低，從而在市場上尋找最佳的機會，并實現風險的分散。

而對于AI量化投資而言，在投資過程中較多的采用了人工智能相關技術以及機器學習算法模型來實現了海量數據的復雜關系處理過程。AI量化投資在實際應用時，首先需要明確模型的預測目標，可以進行人為的設定，其中涵蓋了未來市場變化中某一日的市場波動率、收益排序以及收益率等等指標。之后，需要進行歷史順序的切分，主要依據的是時間順序，將其劃分為訓練集和驗證集兩個部分，其中訓練集中的數據可以進行模型的訓練工作，而驗證集主要是為了對模型的應用效果進行驗證[6]。在進行數據集劃分之后，需要進行可能影響目標特征的構建，在AI量化投資之中，如每日的換手率、市盈率等等。最后，測試集數據可以用來驗證訓練得到的模型的合理性，對其目標值與實際結果進行對比，從而證明建立的模型的優劣程度。

與此同時，兩種投資方式的策略也是不同的，傳統的量化投資方式更多的傾向于獲得超額收益，但是這種投資策略也對應著較大的風險，因此需要尋找更為有效的指標因子來作為量化投資策略的指導。而AI投資方式更多的注重穩定性，其回撤風險較小的同時能夠將風險概率控制在一定的范圍之內，畢竟這一投資方式是建立在大量歷史數據基礎之上的。

3 結語

綜上所述，隨著金融市場的發展與繁榮，投資人也需要采取更加科學的方式開實現穩定的收益，量化投資就是一種有效的策略，而隨著信息技術的發展，量化投資技術也逐漸與AI相結合，并產生了更多作用。

參考文獻

[1] 王紅兵.揭開量化投資的神秘面紗[J].證券導刊，2012（49）：90-95.

[2] 河口真理子.世界のSRI（社會的責任投資）巿場：SRIからESGへ[J].環境管理，2013，49（10）：30-37.

[3] 廖佳.揭開量化基金的神秘面紗[J].金融博覽，2014（22）：66-68.

[4] 賀保國.資本市場的量化投資策略和風控措施[J].中國商論，2019（8）：51-52.

[5] 金圣發.資本市場的量化投資策略和風控措施[J].商情，2019（50）：37-38.

[6] 陳沼林.關于資本市場的量化投資策略及風控策略的相關研究[J].商情，2019（35）：22+24.