在上一篇 《弱人工智能助力量化交易: 低门槛个人投资者和小机构就能用,并非高盛 摩根的特权》中,因为交易机会过少,而且策略是单向做多,获利并不丰厚。

本次尝试用更短线的策略增加交易机会试试, 下面notebook中使用了rsi震荡指标的单向做多策略,策略逻辑大致是rsi6指标从下方上穿36.88时买入,从上方向下穿越65时卖出,再配合主动止盈 和 暴跌止损的因子。

结果验证了《道氏理论》所指出:“短期的价格波动是随机的”:交易机会是增加20倍不止,但是收益曲线和大盘指数基本同步,在测试集中还跑输了大盘指数。 <- 还赔了点交易佣金和手续费?

也就是说如果请无知的猴子、黑猩猩或者宠物小狗来随机炒股大概也是这种不亏不赚的水平

如果某同学炒股亏了, 很可能是除了无知之外,还融入了人类的情绪, 比如贪婪和恐惧。

下面看看基于机器学习的 abupy 裁判(UMP) 是如何改善这种“不赚钱”策略的。

ps: 先读《弱人工智能助力量化交易: 低门槛个人投资者和小机构就能用,并非高盛 摩根的特权》 才容易看懂这篇哦。

以下是Jupyter notebook 研究过程:

在新的窗口中打开

小结:
除了 《弱人工智能助力量化交易: 低门槛个人投资者和小机构就能用,并非高盛 摩根的特权》 总结中的缺点之外,本次研究还有以下缺点:

  • 本次使用的策略主打从震荡市场中获利(均值回归型策略), 仓位管理却使用了经典的海龟大法的ATR仓位管理法则,这是不对的。
  • 完全依赖机器智能,从选股、择时、仓位管理没有使用一点人类的智慧。

However,无知小散的交易特点是:1.没有选股逻辑; 2.没有仓位管理逻辑; 3.炒短线,想赚快钱,换手率超级高。

这是一个全真模拟了无知小散,然后利用机器智能优化交易的例子。

下面看看机器智能 + 人类智慧的表现。

结合人类的智慧

由于整个研究过程比较沉长,笔者另开辟了一篇文章《quant的全新时代:机器人智能+人类智慧》探索这个主题。

以下为jupyter notebook预览:

在新的窗口中打开