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
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傳統交易與大資料量化交易差別量化交易帶來什麼大資料期貨貿易應用方向
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。