大資料量化交易意義和領先應用思考

大資料分析帶來什麼

高效的資源利用，通過資料分析，可以更有效的利用更多的資源，進而得到市場高額投資經營回報。

可靠的決策依據，通過資料分析，為企業的經營管理決策提供更為可靠的決策依據，讓企業的管理決策更具科學性，更為合理。

方向性的參考，通過資料分析，市場采購、營銷、預算及營運評估中，資料分析主導方向性的參考。

經營決策的掌握，通過資料分析，與經營關系的了解，可以充分了解企業經營決策的内容，掌握經營決策的方法

傳統交易與大資料量化交易差別

傳統交易：

• 分析方法：依據人的經驗和判斷
• 資訊來源：宏觀經濟
• 投資風格：偏向長期
• 投資标的：某一支或少量股票
• 風險處理：風險考慮不周全

  

量化交易：

• 分析方法：依據算法模型
• 資訊來源：海量多元度資料
• 投資風格：偏向短期
• 投資标的：分散化
• 風險處理：風險最小化回報最大化

後者連續27年回報率打敗巴菲特

量化交易帶來什麼

量化交易的成功機率途徑主要有：

（1）計算機依靠量化模型給出的信号交易，規避人為情緒因素。

（2）算法交易提高交易的效率

量化交易特征：

• 賭大機率事件，組合對沖為主；
• 克服人性弱點，機器交易為主；
• 精力無限，監控全市場、全産品、全周期；
• 交易精細化，算法交易降低對市場沖擊。

案例：文藝複興科技公司(行業上司者)

從1988年至2015年，公司管理的大獎章基金的淨年均收益率約為40%，同期巴菲特的伯克希爾每股帳面年化回報為15.94%，标準普爾500指數年化收益約為10.27%，西蒙斯的投資表現高出巴菲特與标普500均超過20個百分點。文藝複興公司主要由3個部分組成：電腦和系統專家、研究人員以及交易人員。西蒙斯親自設計了最初的數學模型。通過對曆史資料的統計，找出金融産品價格、宏觀經濟、市場名額、技術名額等各種名額間變化的數學關系，依據算法結果進行交易。

經營特征：

• 高學曆背景：超過90名博士世界級從業人員許多著名學術期刊作者；
• 科學家、非金融工程師：很少的員工有華爾街背景培養解決常見問題的新方法；
• 力争科學嚴謹：觀點必須被統計驗證過消除克服以情緒做判斷的缺陷。

國内已有平台的問題

國内量化交易平台：BigQuant 、鐳礦、果仁網、Ricequant、優礦、Factors等等。2018年12月31日，京東量化平台宣告下線，其他平台該何去何從？

問題分析：

• 政策限制：此類平台隻能使用平台自己的分鐘K線資料，使用平台自己的語言，降低了客戶開發政策的靈活度，對于類似于機器學習預測模型的政策難以開發；
• 交易限制：此類平台普遍采用easyLanguage等語言，而且從自己的伺服器讀取資料，而不是直接通過CTP讀取，是以效率會低一些；
• 研究效率：量化政策很大一部分工作用于參數優化，特别是規則型政策，經常使用網格優化，每個參數取幾個值，然後幾個參數一起幾百組參數來優化。如果使用此類量化平台計算時間會非常漫長。

大資料期貨貿易應用方向

第一步：機器學習

對交易、庫存、财務等資料進行模組化，分析其中顯著特征，利用最優算法預測交易政策

第二步：行為模仿

模仿行業專家或對手行為，複制他們的決策過程，并導入可重複的模型架構

第三步：AI操作

對行業、市場、操作等多方面訓練，形成一套可以勝率超出人工操作的大資料AI作業系統

大資料應用支撐，資料來源

行業強相關資料：

某大宗商品曆史期貨價格、供需差、供應端利潤、下遊利潤、區域價差、發貨量、庫存量、産業鍊資料等等。

另類資料：

• 個人活動産生的資料：社交媒體、新聞稿和評論、搜尋引擎資料、網絡搜尋量和點選率等；
• 商業活動産生的資料：交易記錄和信用記錄等；
• 高科技監測擷取的資料：衛星監測圖像、地理定位和氣候變化資料等。

大資料應用支撐，算法模型

決策樹、C4.5、CART算法、BP神經網絡、支援向量機、 網絡、随機森林、KNN、EM期望最大化、SOM算法、K-means算法。

涉及的具體工具：SAS/Base、SAS/STAT、SAS/GRAPH、SAS/ETS、SAS/ASSIST、SAS/INSIGHT、SAS/Enterprise、SAS/IML、SAS/ACCESS、SAS/CONNECT。

大資料應用支撐，行業指導

• 行業了解：大宗商品行業領袖業務多年以來對行業大宗商品的認知與了解，以及相關上下遊産業鍊情況的把控；
• 事件判斷：基于長期期貨市場各種情形的經曆，累積豐富的期貨經驗，對各類行情走勢提供經驗支撐；
• 操作方式：長期以來的期貨市場經驗，形成屬于自己的操作方式，何時買入賣出，買入賣出的多少等等。

系統實施階段規劃