如果您像我一样，您可能会花费无数的时间来浏览图表，收益报告和分析师意见，试图破解股票市场的代码。当您做对时，这是令人振奋的，但是让我们真实，也是 筋疲力尽。市场是野兽，有时感觉不到 人类直觉 可以驯服它。那就是那里 人工智能（AI）和机器学习（ML） 进来。相信我，他们以令人难以置信且完全易于访问的方式改变了游戏。今天，我想与您讨论这些工具如何彻底改变股票投资（特别是通过 定量方法）。我还会告诉您为什么您可能要注意。
为什么定量投资和AI是天堂的匹配
首先，让我们将其分解。定量投资并不是什么新鲜事，已经存在数十年了。
一切都是关于的 使用数据，数学和统计模型选择库存 而不是仅仅依靠肠道的感觉或表弟的热尖端。
想像 烹饪 使用食谱，您可以测量 原料 （数据），遵循 方法 （模型），目标 美味的菜 （利润）。
从历史上看 qu，那些热爱数字的聪明人，使用了诸如价值比率，动量指标，股息产量，内在价值，整体分数等之类的东西来构建其策略。
但这是踢脚，我们今天拥有的数据量是疯狂的。
股票价格，交易量，经济报告甚至社交媒体情绪，这是一系列信息。没有人能够足够快地处理所有人以保持领先地位。这是AI和机器学习方便的地方。
这些技术就像是浓汤，通过大量数据集进行切片，发现我们从未见过的模式，并在银盘上提供见解。
他们将定量投资提高到一个全新的水平，我真的很高兴将其用于我的股票投资。
AI和ML增压库存分析如何
那么，什么是魔术酱？
- 以此为核心（AI）（人工智能）是关于教会计算机像我们这样思考，只有更快，而没有咖啡休息。
- ML（机器学习），AI的子集，使系统可以从数据中学习并随着时间的推移而改善。
在股票投资中，这意味着要喂食ML模型的历史价格，公司基本面，宏观经济趋势甚至最新的新闻头条，然后让它弄清楚最重要的事情。
拿 因素投资， 例如。您可能听说过因素，例如：
- 价值 （廉价股票），
- 势头 （卷中的库存）或
- 质量 （具有强大资产负债表的坚实公司）。
传统上，Quant会选择一些因素，根据历史数据进行测试并建立投资组合。它起作用，但是它缓慢而受到人类可以假设的限制。 AI将其翻转在头上。 ML无需猜测哪些因素可以分析数百个潜在因素，有些我们甚至从未想到，并确定驾驶回报的因素。
就像从放大镜到显微镜一样。
一个现实世界的示例
- 听说过AQR Capital吗？ 他们是量化投资中的大牌，尽管他们没有泄露所有秘密，但他们一直在使用高级分析来完善自己的模型。
- 文艺复兴技术，这些家伙是传奇人物，据报道使用复杂的算法在数十亿美元中耙开。
现在，我并不是说您或我可以在一夜之间复制他们的对冲基金Wizardry，但是由于AI，他们开创的工具正在向像我们这样的日常投资者滴下。
实际示例：AI模型
这些AI/ML模型在股票世界中实际上是什么样的？
以下是几个引起了我的注意的例子，可能会引发您自己的投资的一些想法。
- 库存选择的随机森林
一种称为“随机森林”的模型，基本上是一组决策树。每棵树都查看不同的数据块，例如股票的市盈率，52周的性能，甚至在Twitter上提到的频率。然后，他们投票决定是买入还是卖出。研究人员表明，随机森林在预测股票收益方面的表现可以胜过传统模型，尤其是当您投入诸如消费者情绪或供应链信息之类的古怪数据集时。我自己使用Python的Scikit-Learn等免费平台对此进行了宠爱，这真是太疯狂了，您可以通过一些编码知识来发现多少。 - 市场时机的神经网络
神经网络是ML的沉重击球手，在人的大脑上宽松地建模，它们旨在寻找隐藏的模式。一些交易者使用它们来预测市场衰退或集会，以在数十年的价格数据，波动率指数和经济指标中进食。一个著名的案例是LSTM（长期短期内存）网络，这是一种擅长处理诸如股票价格之类的时间序列数据的神经网络。像《金融数据科学杂志》（Journal of Financial Data Science）中的研究表明，LSTM可以发现更简单的模型失踪的趋势。我承认，设置一个是一个项目，但是回报吗？有可能在其他所有人面前抓住下一个重大行动。 - 社交媒体的情感分析
这是我的最爱，因为它是如此相关。有没有注意到单个埃隆·马斯克（Elon Musk）的推文如何将特斯拉的股票飙升或崩溃？ AI可以在社交媒体，新闻网站或Reddit上刮擦帖子，分析语调（正面，负面或中性），并衡量它如何影响股票。据报道，像BlackRock这样的公司已经对此进行了试验，甚至还有DIY工具，例如Python图书馆，让您自己测试。
为什么这对你很重要
到现在为止，您可能在想，好吧，这听起来很棒，但是我该如何使用呢？”这就是为什么我认为AI和ML对像我们这样的常规投资者来说是改变游戏规则的原因。
- 更好的决定，不少猜测：这些工具可以比任何人更快地处理数字和斑点趋势，从而使您在时间安排的市场中获得优势。
- 可访问性：您不再需要博士学位了。诸如QuantConnect或羊驼之类的平台可让您尝试定量策略，有些甚至可以进行预构建的AI模型。
- 个性化：想要适合您的风险承受能力或最喜欢的部门的策略吗？ ML可以为您定制它，与一定程度的互助基金不同。
我一直在努力与QuantConnect自己，没有什么花哨的，只是测试了具有ML扭曲的简单动量模型。
这不是完美的，但是看到它旗了，我被忽略的股票就像拥有秘密武器一样。
挑战
AI和ML并非万无一失，远非如此。这就是当我想到太多依靠它们时，让我在晚上保持不变的原因。
- 过度拟合：曾经听过“过去的表现”一词吗？ ML模型可能会与历史数据，回头测试，但在实时市场中脱颖而出。
- 数据质量：垃圾，垃圾。如果您喂养AI粗略或不完整的数据，它会吐出胡说八道。
- 复杂性：这些模型可以是黑匣子。即使它们工作，您可能不知道为什么，当您的钱在线时会感到不安。
- 费用：虽然工具越来越便宜，但高质量的数据进料或云计算功率仍然可以刺痛您的钱包。
当我在一个动荡的一周中建造坦克的模型时，我了解到了这一点，事实证明它过于调整到一个平静的市场上。
学习的教训：在大事之前始终测试小。
入门
感到启发？这是您可以将脚趾浸入AI驱动的股票投资而不会淹没技术术语中的方式。
- 学习基础知识：从Python或R上的YouTube教程免费资源开始，或者MarcosLópezde Prado的《金融机器学习进展》（如金融机器学习的进步）（它是密集但金色）。
- 玩工具：尝试使用一些ML附加组件尝试QuantConnect，Google Colab，甚至Excel。他们对初学者友好，让您进行实验。
- 开始小：构建一个简单的模型，也许是按动量或价值对股票进行排名的模型，然后用ML（例如情感数据）对其进行调整。
- 回测100次：使用历史数据来查看您的模型是否成立，但要在您对其进行压力测试之前，不要敢打赌。
- 保持谦虚：AI是工具，而不是水晶球。与您自己的判断配对，您将不可阻挡。
结论
人工智能和机器学习正在将投资定量股票投资变成更智能，更快的速度。
更有趣吗？这很方便但很有趣，我不知道，因为过去几年，我学会了自己进行库存研究。所以，我有点老派。
我认为，无论您是否是数字怪胎，如果您正在阅读本文，那么您都是不想根据猜测练习股票投资的人。对于您来说，这些工具值得探索。
当然，有一个学习曲线，风险是真实的，但是潜力？这很大。我已经绘制了我的下一个实验，也许是一个神经网，以预测小型股突破。
你呢？您是否尝试过投资中的任何AI技巧？发表评论 – 我很想听听您的故事！
愉快的投资。
