10 年前，我用 AI 做了量化交易模型，年化 40%

2010 年的时候，出于兴趣，我开始用进化算法和神经网络做股市的预测，全自动设计网络结构和各类参数，可以说是国内做 AI 量化，乃至 AutoML+量化的最早的人。其中一个实验是拿道琼斯指数 1930 年到 2010 年的历史，拿 60 年做训练，20 年做测试，用 AI 做双边交易可以做到带杠杆 40%左右的年化，不带杠杆 12%左右的年化（基线 7%）。当时我自己用它赚了几年的生活费。简单介绍一下当时所做的工作：

金融 Survey：看了上百本金融相关的书，搞明白了市场运作机制，和一些投资、投机者的基础逻辑
AI Survey：看了当时几乎所有的中文 /英文相关的材料，发现没有一个人有公布真正有效果的方法
数据：基于 Matlab 里的 Java 虚拟机，写了对指数和部分股票的爬虫（ Yahoo/Google/新浪金融板块）
特征：基于简单数学做了 40 多个母指标，几百个子指标，都是纯技术指标
模型：用了 LR/SVM/MLP 来做基础模型，RS/GA/PSO/ABC/ACO 等算法来做搜索模型
超参：各个模型的基础超参、模型深度、模型宽度、指标参数、滑窗参数

效果也很明确，在道琼斯指数上单纯预测涨跌，可以做到 65%左右的准确度；在其他几个市场也都有显著效果。其中的思路到现在来看，可能都还是最先进的。如果有机会，我很想做一个中国的大奖章基金。但我觉得可能现在机会不大，就分享下我自己的思路想法吧。

那时候我所做的技术现在部分沉淀到了我们的这个开源项目里，也欢迎大家试试：

https://github.com/DeepWisdom/AutoDL

alexapollo

2020-05-03 12:06:42 +08:00

@clemente0620
@aptx4689
@threebr
@halo117
@20150517
1. 这个 repo 不为伸手党提供服务，帖子里写的很明白了，只是部分技术的融入开源工程
2. 我非常好奇张嘴就喷的人是什么心态，是觉得 V2EX 这个论坛不配有人分享真*前沿技术，如果这样，我以后就再也不分享了
3. 你们觉得分享这些有价值的信息是义务？如果这是义务，为什么自己不做？

alexapollo

2020-05-03 12:22:43 +08:00

@kraymond
@20150517
@allencloud

我们有一个 AutoSeries 项目，如果想用的话可以看看。

在 10 年前我试过回归和分类两种不同的做法，实际发现回归很难学到信息（噪音太大），分类还比较 work 。
AutoSeries 做了一部分的自动特征工程（不太多），可以比较清楚的做一些回归问题。
另外一个工程 AutoWSL 专门针对大噪音的场景做分类，也可以试试。

但是得说明白的一点是，框架就是框架，只是一个工具，并不是用来专门做量化的。原文也说的很明白了，这工程就是技术的一个沉淀。