作者：老余捞鱼
原创不易，转载请标明出处及原作者。
写在前面的话：本文译转自奥斯汀·斯塔克斯（Austin Starks）发表于“DataDrivenInvestor”杂志上的一篇名为《As a SWE well-versed in AI, I’ve seen how it will disrupt finance. It’s kinda scary.》的文章，本文主要介绍了作为一名精通人工智能的软件工程师对于人工智能在算法交易领域的应用及其潜在影响的见解，并详细介绍了如何利用NexusTrade.io平台创建和优化交易策略，以及通过复制交易（Copy Trading）让普通投资者能够跟随专家策略。
当我看到芝加哥大学学生撰写的论文《使用大型语言模型进行财务报表分析》 的草稿时，我感到很欣慰。这篇论文一直在讨论我一年多来一直在宣扬的观点，自从我开始在金融领域试验大型语言模型以来。然而，不仅仅是大型语言模型对金融有用。华尔街风格的优化算法首次向散户投资者开放。
然而，一张图片胜过千言万语，审计跟踪的价值远不止向您展示模拟图片（也称为回测）。在本系列的最后，我将首次部署我的投资组合，并让公众实时查看投资组合（及其变化）。
在本文中，我将详细介绍如何创建算法交易策略，其sortino ratio（索提诺比率，是一种用于衡量投资组合相对表现的方法，尤其在评估对冲基金或私募基金时更为常用）为 2.6，仅进行了 3 笔交易。我将解释这意味着什么，以及创建此类策略的重要性。
一、创建交易策略组合
从基础交易策略开始
作为基本策略，我将研究“买入并持有”。投资 VOO 并采用美元成本平均法历来是一种很好的策略。这是交易策略的黄金标准；如果您无法超越 VOO，那么您就是在浪费时间（和精力）！
然而，就我个人的风险承受能力而言，我可以忍受（实际上更喜欢）波动性。虽然 5 年内赚 90% 客观上是一项了不起的投资，但我希望赚得更多。
你可以将杠杆视为风险回报放大器。虽然股票上涨时它确实会增加你的收益，但也会放大你的损失。因此，杠杆并不适合所有投资者，购买杠杆的决定应极其谨慎。
一种常见的杠杆ETF是TQQQ。
在我开始讨论之前，让我先定义一些非常重要的财务分析指标：
- 百分比变化：这是投资组合从开始到结束的变化百分比。计算方法为 (last_value — first_value) / first_value * 100%
- 夏普比率：这是风险调整后收益的衡量指标。如果投资组合大幅上涨，这可能仅仅意味着该投资组合的风险大大增加。夏普比率通过风险进行标准化，因此波动性较小的投资组合得分较高。它通过 mean_excess_return / standard_deviation_excess_return 计算得出
- 索提诺比率：对夏普比率的调整，仅惩罚负波动性。它通过 mean_excess_return / standard_deviation_negative_excess_return 计算得出
- 最大回撤：这是另一种风险衡量指标。它表明投资组合在部署过程中下跌了多少。它计算为从投资组合最高点到投资组合最低点的百分比变化
现在我们回过头来分析。
如您所见，TQQQ 的回报率约为 SPY 的 4 到 5 倍。然而，它的风险要大得多。不仅最大回撤是 SPY 策略的两倍多，而且两者的夏普比率也几乎相同（0.56 vs 0.51）。因此，虽然回报率要高得多，但实际上它并不是一个更好的策略。
然而，如果我们有先见之明，在最高点卖出，并在投资组合价值走高时不那么积极地买入，我们就会赚更多的钱。
不幸的是，仅使用原始价格数据来预测市场是极其困难的（甚至几乎不可能）。
因此，下一个最佳选择是风险管理。我们的想法是购买 TQQQ 并希望它上涨。如果没有，我们会购买更多以降低我们的平均成本。一旦投资组合开始盈利，我们将出售我们的头寸并引入限制以减少购买积极性。
这个投资组合好多了！最大回撤大幅减少，夏普比率也更高。虽然百分比变化率略低（5 年内为 300%，而 5 年内为 400%），但风险状况也大幅降低。
通过向下滚动链接，您可以看到此策略的具体交易规则。
我敢打赌，如果我手动更新策略的参数，效果会更好。例如，当投资组合价值高于 17000 时，我不应该购买 25% 的 TQQQ 购买力，而应该购买 15%。
事实上，我敢打赌，如果我不断调整这些参数，我会找到一套比其他所有策略都更好的策略。这就是人工智能发挥作用的地方，它的好坏令人生畏。
二、受生物启发的人工智能优化算法
我不会手动调整策略的参数，而是使用人工智能算法，即遗传优化，算法会自动为我找到最佳参数。
使用NexusTrade平台，只需单击按钮即可完成此操作。
另外，这里有一些与遗传优化相关的更重要的术语：
- 训练集：我们用来优化投资组合的数据集
- 验证集：为测试我们的投资组合而留出的一部分数据
- 变异：遗传优化引擎的特定操作，用于增加解决方案空间的多样性
几个小时后，我们得到以下结果：
最终结果是一组投资组合，每个都比原始投资组合更好。例如，在验证集中，我们的一个解决方案的百分比变化为 119.28%，最大回撤为 14.37%，索提诺比率为 2.59。它在过去 30 天内的表现如下。
将此与尝试使用数千次回测来更新参数的手动方法进行比较，这种方法容易受到各种偏差（例如前瞻偏差）的影响，并且非常耗时。找到我们喜欢的策略后，我们就可以将其部署到实时纸上交易中。
这就是复制交易发挥作用的地方。虽然许多人都是雄心勃勃的人，想要创建自己的策略，但许多人只想部署专家创建的策略。或者，他们想看看朋友的仓位并复制他们。
三、结论
这种能力相当可怕。本文甚至还没有开始讨论大型语言模型的影响，这些模型可用于产生更多想法、分析投资组合、分析回测结果，以及自动化我们制定交易策略时所做的许多琐碎任务。
但这种力量也令人鼓舞。算法交易过去只对在华尔街工作并拥有量子计算博士学位的人开放。优化工具如此容易为散户投资者所用，这一事实绝对可以改变交易。我迫不及待地想看到它的影响。
- 人工智能在金融领域，特别是在算法交易中的应用，正在颠覆传统的交易方式。
- 通过NexusTrade.io平台，散户投资者可以利用先进的算法和工具来创建、优化和部署自己的交易策略。
- 复制交易（Copy Trading）为投资者提供了一个新的途径，可以跟随专家的交易策略，降低了交易门槛。
- 杠杆交易策略可以显著提高收益，但同时也带来了更高的风险，需要谨慎使用。
- 风险管理是交易策略中至关重要的部分，有助于降低投资组合的风险。
- 遗传优化算法等人工智能技术能够自动寻找最佳的交易参数，大大提高了交易策略的效率和效果。
- 人工智能技术的发展对于金融市场的未来将产生深远的影响，同时也带来了新的挑战和机遇。
本文内容仅仅是技术探讨和学习，并不构成任何投资建议。
转发请注明原作者和出处。
Be First to Comment