首页 百科正文

期货人工智能(期货基本面分析与人工智能)

人工智能机器学习

人工智能artificialIntelligence)是研究使计算机来模拟人的某些思维过程和智能行为(如学习、推理等)的学科,机器学习(Machine Learning)的对象是某种隐藏在表象背后的潜在“规律”,比如,黄金分割比例可以被设计出非常柔和美丽的曲线,人脸识别系统学习的是不同人脸轮廓与特征之间的规律,语言识别学习的是不同声源传感规律,无人驾驶学习的是路况与驾驶行为规律,AlphaGo学习围棋规则和落子规律。那么,针对期货交易策略,我们想的是让AI来学习交易决策与收益风险之间的规律。

市场情绪因子

持仓量代表市场中多头或空头的流通合约的总数,市场的参与者-买家和卖家,博弈后的结果就直接反应在了价格和持仓数据上,市场结构的变化必然会引起持仓结构的变化。我们分别构建四个市场结构因子,分别为波动率因子、投机指数因子、市场效率因子和噪音因子。

AI策略

我们分别构建因子数据库和规则数据库(经验规则,有一定的逻辑支撑),每日收盘后进行有监督的学习,建立因子和规则之间的联系,预测下一个交易日的涨跌方向,在第二日开盘进行相应的操作,尾盘平仓。总共回溯了40个品种,仓位30%,年化收益46.16%,最大回撤4.21%,胜率51.46%,夏普2.69。

AI策略净值走势

期货人工智能(期货基本面分析与人工智能)

资料来源:安粮期货研究所

初识人工智能(AI)

人工智能(Artificial Intelligence)是研究使计算机来模拟人的某些思维过程和智能行为(如学习、推理等)的学科,随着计算机科学的快速发展,人们意思到要让计算机拥有“智慧”,就必须让计算机拥有和达到一样的“学习”能力,于是机器学习(Machine Learning)作为AI的分支被普遍应用于语音识别、图像识别等各个领域。大数据概念以及各种数据挖掘方法的推出,给数量金融和AI搭建了直接的桥梁,于是人工智能选股、人工智能配置FOF等研究方法正在逐步发展。那么,期货市场如何来应用AI技术呢?本文不做理论方法的研究,只把AI中的机器学习这一个分支拿来应用到当前的期货市场交易策略中。

机器学习流程

机器学习的对象是某种隐藏在表象背后的潜在“规律”,比如,牛顿定律、速度和加速度的关系,黄金分割比例可以被设计出非常柔和美丽的图像,人脸识别系统学习的是不同指纹图像之间的规律,语言识别学习的是不同声源传感规律,无人驾驶学习的是路口与驾驶行为规律,AlphaGo学习围棋规则和落子规律。那么,针对期货交易策略,我们想的办法是让AI来学习交易决策与收益风险比之间的规律。

机器学习流程

期货人工智能(期货基本面分析与人工智能)

资料来源:安粮期货研究所

市场情绪因子创建

持仓量代表市场中多头或空头的流通合约的总数,一份合约必须要有买家又有卖家,市场的两种参与者-买家和卖家,当日博弈后的结果就直接反应在了价格和持仓数据上,市场结构的变化必然会引起持仓结构的变化,故而持仓结构在一定程度上反应了市场的多空情绪,我们期望找到净持仓的变化(多仓减空仓)与价格涨跌的关系。

持仓因子获取

市场投资者简单可分为机构投资者和个人投资者,而所有的买卖单都是通过期货公司会员单位统一向交易所报送,我们只统计品种各合约汇总持仓排名前20位的会员单位,下面是收盘后郑州商品交易所中甲醇持仓数据表,我们构建多单增量因子和空单增量因子,其他品种可在国内四大期货交易所网站上查询。

会员持仓排名表-甲醇

期货人工智能(期货基本面分析与人工智能)

资料来源:安粮期货研究所 \ 郑州商品交易所官网

持仓因子排序

通过上面方法我们构建持仓因子库,在每个交易日对因子增量从大到小排序,获得每日情绪因子横截面数据,可以通过简单的买入排名靠前的N个品种和卖出排名靠后N个品种来构建多空组合,而本文我们则是结合以下四个市场结构性因子让AI自我完成特征识别。

市场结构因子获取

分别构建四个市场结构因子,分别为波动率因子、投机指数因子、市场效率因子和噪音因子。

波动率比较容易理解,波动率越大代表价格波动越剧烈;投机指数因子代表一份持仓上的成交量,投机指数越高越值得配置;市场效率代表行情走势的顺畅程度,而市场噪音代表市场的无序程度。

市场结构因子

期货人工智能(期货基本面分析与人工智能)

资料来源:安粮期货研究所

AI策略构建流程

我们分别构建因子数据库和规则数据库(经验规则,有一定的逻辑支撑),每日收盘后进行有监督的学习过程,建立因子和规则之间的潜在联系,预测下一日的多空信号,可在第二日开盘进行相应的操作,尾盘平仓。

AI策略构建流程

期货人工智能(期货基本面分析与人工智能)

资料来源:安粮期货研究所

我们总共配置了40个品种,仓位30%,年化收益46.16%,最大回撤4.21%,夏普比例2.69,胜率51.46%,收益风险比达到9以上。该策略并非简单的追涨杀跌,需要处理大量的信息来预测下一日的涨跌情况。回顾2017年的市场行情,市场结构发生了较大的变化,大多数趋势型策略在2017年均表现不佳,甚至出现了负收益,而该策略通过分析市场情绪因子,建立了一套相对完整的逻辑,站在市场同质化现象之上,表现比较平稳。

当日收盘后训练模型,得到下一个交易日的多空信号

期货人工智能(期货基本面分析与人工智能)

资料来源:安粮期货研究所

AI策略净值与品种盈亏分布

期货人工智能(期货基本面分析与人工智能)

期货人工智能(期货基本面分析与人工智能)

资料来源:安粮期货研究所

期货人工智能(期货基本面分析与人工智能)

免责条款

本报告基于安粮期货股份有限公司(以下简称“本公司”)认为可靠的公开信息和资料,但本公司对这些信息的准确性和完整性均不作任何保证,可随时更改报告中的内容、意见和预测,且并不承诺任何有关变更的通知。本报告中的内容和意见仅供参考,并不构成对所述证券的投资建议,投资者应根据个人投资目标、财务状况和需求来判断是否使用报告所载之内容和信息,独立做出决策并自行承担风险。本公司不对任何人因使用本报告中的任何内容所引致的任何损失负任何责任

版权声明

本文仅代表作者观点,不代表本站立场。
本文系作者授权发表,未经许可,不得转载。

本文链接:https://www.chinaai.com/baike/11848.html

发表评论

评论列表(0人评论 , 9678人围观)
☹还没有评论,来说两句吧...