• Four Paradigms of Machine Learning

  • Connetionism连接主义。
  • Symbolism符号主义。可解释性
  • Frequentists
  • Bayesian

  Connetionism、Symbolism、Frequentists属同一类；Bayesian是单独的一类。

  60年代各类人工智能模型都已经出现了，70年代热度降低，80年代神经网络较热，但是黑盒属性导致不好解释；95年左右出现SVM具有可解释性。06年出现第一个深度学习模型；2011年出现DBN。

  神经网络最厉害的在于特征(feature)的表示,导致其在金融中的应用并没有图像应用中那么神奇。因为图像的特征不好表示，而金融数据特征本身就挺好表示的。

• Machine Learning三步走

  • Data数据
  • Model & Objective Function建立模型，并通过
  • Optimization优化；就是寻找函数极值

• 统计学&概率论&机器学习区别

神经网络没有统计学背景，与SVM不同。

统计是统计学习的上游学科，与概率不同。统计学的数学工具只有一个：大数定律，其他所有公式和定律都可以通过其推到出来。统计学要做的是通过一些数据建立预测性的模型。

做概率的不需要任何数据，也不需要跑任何程序。概率是基于测度论，是统计学背后更基础的一些数学理论。

统计学用10个点就可以做一个模型，机器学习可能2W个点才能做模型。

机器学习可以看做是数据驱动的统计学。

• 量化交易岗位

  • 编程岗：不需要懂策略，编程好就行，重写函数库，让速度更快之类的。
  • 策略岗：需要大量实验来开发策略，程序不需要太好，能用就行。

  量化交易的社会价值之一在于提高了货币的流动性，扯淡的理由。

• 机器学习与量化交易

  • Limit Order Book Modeling适用高频，数据噪声大，需要的功底高。
  • Price-based Classification Models基于价格的分类模型。输入市场价格及其衍生指标，输出分类（涨跌、买卖持有…）。
  • Text-based Classification Models输入文本，输出股票。噪声较大。适合用在风控。
  • Renforcement Learning强化学习，Alpha go用的就是强化学习。

• 深度学习

  • CNN空间
  • LSTM时间，能用HMM的，LSTM都可以用。

• 强化学习

Agent给environment一个action，environment返回一个reward。

选择一个好的policy，让返回的Reward最大。属于高阶知识，用的人不多，但是比较有效。

在历史数据上训练处一个Policy，自己买卖学出一个Policy。

• 自然语言处理

Word2Vec是近几年量化交易与自然语言处理结合的最关键因素。

新闻文本对股市有影响，怎么表示文本呢？（将文本转为向量）

现在的编码可以实现。king - man + woman = queen。

编码的思想基础是：一个词的意义是根据上下文所定义的。是一种非监督学习。

• 交易策略的评估

1. 策略基本假设
2. Sharp Ratio
3. 杠杆
4. 频率
5. 风险
6. W/L
7. 模型复杂度
8. 最大亏损(Maxium drawdown)
9. Benchmarking

• 回测

  • 策略筛选
  • 策略优化
  • 策略验证

回测造成偏差的原因主要有：

1. 乐观主义偏差(special look back region)
2. 时间旅行
   1. 程序Bug
   2. Train/Val/Test set
3. 幸存者误差。随着时间移动，有些公司已经不存在了。以现有公司数据回测，本身就是幸存者误差。

• 综述

1. 量化交易的关键：如何定义输入特征。只需要输入没有标注过的、足够大的中文文档，就可以对每一个词进行编码。特征工程。
2. 特征定义不能选取未来数据。特征选择。
3. 事件驱动：系统开着就一直在循环，监听到一个事件放到队列里。[Event, Event Queue, DataHandler,Strategy,Portfolio,ExecutionHandler,Backtest]