近年來，演算法交易越來越受歡迎。事實上，據統計，量化對沖基金行業在 2018 年管理的資產超過 1 萬億美元，幾乎是 10 年前的兩倍。
在數字化和機器學習的時代，投資界對量化投資過程的方法越來越感興趣。越來越多的傳統投資管理公司聘用數據科學家和機器學習專家，希望採用嚴格的科學方法投資，從而提高收益率。
在本系列的文章中，我將帶領你了解鮮為人知的演算法交易行業內部的工作秘密。
起源
量化投資的理念絕不是最近才出現的，它們很可能源自哈里•馬科維茨（Harry Markowitz）的著作。在 1952 年發表於《金融雜誌》（Journal of Finance）的開創性論文《投資組合選擇》（Portfolio Selection）中，馬科維茨介紹了應用數學模型解決最優投資組合配置的思想。
自那以後，由於過去二十年技術爆炸性增長，出現了許多先進的演算法。隨著計算能力的提高，越來越多的數學家和計算機科學家開始從事科學投資，每天都在開發更複雜的模型。
要理解演算法交易，或許最好的起點是它要解決的問題本質：增加收益，降低風險。
雖然在隨後的文章中我們會詳細地討論這兩個概念，但有一點，問題的核心一直是優化，從數學的角度來看，演算法交易必須依賴於科學！
整個量化投資流程都服從於優化原則，仔細想想，是不是任何一家企業都是如此？
問題的關鍵是如何預測收益和風險？
這就是量化交易員和研究人員要做的：預測收益和風險。量化的方式因地制宜，但目的一致。
預測風險和收益
交易員和研究人員如何做出他們的預測？有很多方法，一種是統計分析金融資產的價格，一種是分析替代數據集。
替代數據集的一個著名例子是大型零售商停車場的衛星圖像。如果停車場停放很多車，大量人群購物，公司的利潤將會更大！
上例屬於消費者行為類別，還有許多其他類別。替代數據行業在過去十年蓬勃發展，截至
文章評論
冷萃財經原創，作者：Awing，轉載請註明出處：https://www.lccjd.top/2020/07/10/%e4%bb%8e%e9%87%8f%e5%8c%96%e6%8a%95%e8%b5%84%e8%b5%b7%e6%ba%90%e8%ae%b2%e8%b5%b7%ef%bc%8c%e7%ae%80%e8%bf%b0%e7%ae%97%e6%b3%95%e4%ba%a4%e6%98%93%e7%9b%ae%e6%a0%87%e3%80%81%e6%8c%91%e6%88%98%e4%b8%8e/?variant=zh-tw
支付寶掃一掃打賞
文章評論