大家好，我是小马哥，兴业数金算法金融实验室的科学狂人，爱好广泛，特别喜欢通过数据驱动进行算法建模，来解决各类金融问题，比如做风控、炒股票、买基金，都不在话下。
春节后，A股迎来了一波上涨行情，引得众多韭菜们群情激奋，跃跃欲试。小马哥我过去炒股票迷信黄历，结果沦为人见人割的韭菜，于是我奋发图强苦学算法，用人工智能武装自己，结果功力大增，在股市里终于咸鱼翻身。在未来的几期文章中，我将为大家详细介绍我的人工智能选股秘密武器，希望对大家有所帮助。考虑到每个人专业背景不同，本期文章我先给大家科普一下人工智能选股是什么鬼。
1、人工智能选股的由来
先问大家一个问题，股票要想炒得好，重点是啥？对，是对价格的精准预测。基于此，所有的人工智能选股都是围绕着价格预测，因为这是资本市场投资的核心，也是我们讨论的前提。
当然，投资的门派有很多，有的信奉基本面，有的喜欢看K线图，有的更是用占星术，反正各炒各的股，你们开心就好。
为何人工智能算法成为了全球机构投资者的主流方法？这一切要追溯到阿尔法狗与李世石的巅峰对决。时间回到2016年3月，Deepmind研发的 AlphaGo以4:1的成绩，击败了曾荣获18次世界冠军的围棋选手李世石，超过2亿观众见证了这一历史时刻。
在2017年10月18日，全世界诞生了第一支人工智能选股基金-AIEQ，其依据EquBot独门算法所打造出来的主动式ETF，利用IBM Watson的认知和大数据处理能力去分析美国境内的投资机会。
这只ETF表现非常神奇，上市头三天统统跑赢大盘，吸引了无数眼球，大家甚至一致认为，AI在攻克了国际象棋、围棋领域之后，很快就将攻陷金融市场。
图表 1：AIEQ净值（截止2017年10月20日）
然而好景不长，仅过了一个月，AIEQ就跌落神坛。从上市首日到11月14日，标普500指数上涨0.68%，而AIEQ却下跌了3.53%，大幅跑输同期指数。
图表 3：AIEQ净值（截止2017年11月14日）
于是AIEQ遭遇了市场的过分捧杀，一大堆质疑声接踵而来。
图表 4：媒体新闻（截止2017年11月21日）
其实我觉得这些媒体关注短期业绩意义不大，检验一只基金至少也要看一整年的表现，虽然AIEQ运营的最初几个月跑输指数，但在大多数时间是跑赢标普500的，说明AIEQ的数据处理能力和学习能力都非常强大，随着数据点的增多，后续表现会越来越好。
2017年10月18日至2018年10月18日，恰逢人工智能炒股一周年，AIEQ上涨9.63％，同期标普500指数涨8.18％，其收益强于标普500指数，可见AIEQ在最近这轮美股牛市中显示了一定的选股能力。
图表 5：AIEQ净值（截止2018年10月18日）
2、AI炒股的优势
说了半天AIEQ的业绩表现，人工智能炒股的优势究竟在哪里？
首先，它吃进去的是数据，吐出来的却是日益完善的量化投资模型。
AI可以同时分析上千只市场上挂牌的股票，每天处理上百万条相关的公告文件、财报、新闻以及博客文章，利用量化择时、量化选股、因子分析、事件驱动等N种量化模型选股，此外，它还能不断地深度学习，数据处理得越多，选股能力就会更强大。
其次，它没有人性情绪波动的弱点，只有理性分析和判断。它可以做到巴菲特所说的，在市场恐惧的时候贪婪，在市场贪婪的时候恐惧，不以涨喜，不以跌悲，这种反人性的心理素质是普通投资者不具备的。
此外，机器人可以365天×24小时不停工作。分析师在研究股票的时候，还需要吃饭睡觉上厕所，而机器人只要不断电就会马不停蹄地研究股票，工作效率还比人高，和人类炒股比起来，它简直就是开挂了。
综上所述，AI相比人类玩家在股票游戏中有着无与伦比的优势。虽然这不意味着机器人在任何时间任何市场都能赚钱，但随着时间的推移随着数据的积累随着bug的修复，这些优势终究会在长期收益曲线中体现出来。
3、国内市场现状
AIEQ炒的是美股，但整个2018年的美股都是一个超级大牛市，这波牛市被投资者戏称“闭着眼睛买都能赚”，无法突显出AI的智能之处。所以我认为国内市场才是AI选股的试金石，2018年的A股遭遇了史无前例的大熊市，沪指全年跌去24.59%，跌幅熊冠天下。
图表 6：中美股市对比（截止2018年9月28日）
4、主要研究思路
股票作为资本市场的一种资产，必然符合夏普等人提出的CAPM（资本资产定价模型），即单个资产的收益率有以下公式表示：
看到这个公式大家肯定云里雾里，具体每个变量含义就不一一解释了，有兴趣的读者可以查阅参考文献1。大家只要看到公式里有个α和β就可以了，简单来说，股票的收益分成两部分：一部分是市场决定的回报（用β表示），另一部分是资产本身的回报（用α表示）。
假设你的股票涨了1%，但市场涨了2%，那你股票实际α是负的，之所以涨是因为整个大盘都在涨，你的股票还拖了市场后腿，说明你选股选得不好。
当然市场β这部分不是你能改变的，在千股跌停的时候要挑出逆市上涨的股票概率微乎其微，能选到跌得比大盘少的股票就很不错了，这些股票有着正的α。因此β相当于看天吃饭，而α才是选股能力的体现，我的研究价值就在于挖掘市场中的α。
那么现在问题是如何挖掘α，换句话说如何选出跑赢大盘的股票。这个问题和择偶非常类似。
选股也是如此，我会先看宏观经济指标，其次看公司财务指标，然后再看市场技术面、资金面、情绪面等等指标。
我的方法非常强大，把这些选股指标统统扔到一种叫做LSTM-CNN-Attention的神经网络架构中去，没错这正是前面提到的秘密武器。这把三叉戟威力十足，可以将大量选股指标吸收进来，通过层层递进的网络结构，筛选出有用的指标，甚至生成更多有相关性的指标，有些指标甚至人都想不到，比如大家一般只关注与股票收益率有关的信息，而对于市场整体回报信息关注较少，但其中的CNN-Attention算法可以提取出股票本身和市场之间关系特征，这样大大减小了股票价格的预测误差。
图表 7：LSTM-CNN-Attention架构
5、三叉戟的实战效果
揭示了这把神奇的三叉戟，大家一定很好奇它的效果。废话不多说，这就是它的成绩单，模型自成立以来取得了35%的累计收益率，而同期上证综指，沪深300，中证500则分别只取得了-14%，1%和-29%的累计收益，经过一轮牛熊交替，三叉戟大幅跑赢三大股指。
图表 8：三叉戟净值（成立以来）
即便是在2018股灾年，模型也只亏损了1%，遥遥领先三大股指，要知道上证综指全年跌了将近25%，能在哀鸿遍野的A股市场把回撤控制得那么小非常不容易，足以看出三叉戟的创造力以及人工智能技术的伟大。
图表 9：三叉戟净值（2018全年）
6、下回预告
后面几期文章主要分为三部分：第一部分是LSTM提取股票价格的时间特征；第二部分是CNN-Attention提取股价与市场关系特征；第三部分是LSTM-CNN-Attention结合进行股价的预测。作为一个科学狂人，我还在研究其它秘密武器，应用到更多的领域，敬请期待！
7、参考文献
1. Sharpe, William F. (1964). "Capital asset prices: A theory of market equilibrium under conditions of risk". Journal of Finance. 19 (3): 425–442.
2. Yang, z.; Hu, Z.; Deng, Y.; and Smola, A. (2017). “Neural machine translation with recurrent attention modeling”. EACL2017 383.
3. Luong, M.-T.; Pham, H.; and Manning, C.D. (2015). “Effective approaches to attention-based neural machine translation”. arXiv preprint arXiv:1508.04025.
4. Ran Zhao; Yuntian Deng; Mark, D.; Arum, V.; David, R.; Amanda, S. (2018). “Visual attention model for cross-sectional stock return prediction and end-to-end multimodal market representation learning”. arXiv preprint arXiv:1809.03684.
沪公网安备
31011502007815号