人工智能时代如何炒股。

九天

盈透阿狗 发表于 2017-6-23 02:24 PM
使用MACD的关键在于三个特征时间的选取。
请问你做移动平均的长和短两个尺度，以及交易信号线的尺度各是 ...

本来标准策略是利用Kurtosis正负判断有没有趋势，利用skew正负判断多空。我这里没有现成的源码，自己只写过skewness码，画了图，
没写Kurtosis画图，就想用MACD代替。用的是标准26，12，9参数。语句简单，

if(macd_current < macd_previous && macd_previous > macd_vor_previous) 做空
if(macd_current > macd_previous && macd_previous < macd_vor_previous) 做多

目前看来，我是在乱点鸳鸯谱。另外峰度骗度策略，可能用在HFT有效，不适合1分钟级别。

九天

坚强的蛋炒饭 发表于 2017-6-23 06:32 PM
是啊.  我对于自己DEBUG能力也无语了. 曾经有好几次, 程序RUN后,不到收盘就死了. 恨不得要拔插头那种感觉 ...

Source code editor会告诉哪一行源码有错误，DEBUG方便。

怕的是Source code editor发现不了的错误，导致停机。

ice_tea

盈透阿狗 发表于 2017-6-23 09:32 PM
知己难觅，知音难求，我们俩建立股票自动交易模型的核心理念都是顺势而为，大道至简，大智若愚。
我计算“ ...

当年我做connect 4，就用个recursive的function call。
赢了老师的connect 4， 就算A

盈透老大的算法，俺都看不懂啊

ice_tea

美眉在哪个平台写的backtest？

ice_tea

九天 发表于 2017-6-23 05:33 PM
Anzahl Deals: 5336  共交易5336次

Ersteinlage: 10 000.00

求斯坦福的测评地址或者方法

九天

ice_tea 发表于 2017-6-24 12:15 AM
求斯坦福的测评地址或者方法

老大在美国，可以请斯坦福大学里的熟人了解他们做过MAE的，可能不是那个MFE专业。

具体来说，Mu Li 女士可能是华人，英国Manchester大学毕业。

其实我只是曾经看过一份研究报告，现在却找不到。

另外，https://www.elitetrader.com/et/t ... ae-analysis.116482/
有人自己写码画出Profit MFE MAE图

Surfeur问， can you tell me how you calculate the MAE and MFE ?

bespoke回答，

Surfeur, it's the max a position goes against you and for you before you close it. No calculation.

而简单的  MAE and MFE of a Trading System 一文说，似乎得统计
https://www.quantshare.com/item- ... of-a-trading-system

我也糊涂了，等待老大指教。

盈透阿狗

ice_tea 发表于 2017-6-24 12:12 AM 当年我做connect 4，就用个recursive的function call。 赢了老师的connect 4， 就算A

>>>"...赢了老师的connect 4， 就算A. 盈透老大的算法，俺都看不懂啊"
>>>"九天 connect 4是什么，一头雾水 发表于 2017-6-24 01:51 AM"

我的股票交易模型是由四子棋算法演变过来的。

屏風式四子棋(Connect4)的标准棋盘是一个6行7列共42个位置的竖直摆放着的盒子。
对弈双方轮流从上方7列开口处选择一列，放下自己以颜色区分的棋子。
横、竖、斜任何一个方向，当同样颜色的棋子连接成四个时，赢。

游戏规则见：https://en.wikipedia.org/wiki/Connect_Four

计算机能够和人下棋的关键就是算法。

解决四子棋，可以被看作是在决策树中找到最佳路径，其中每个节点都是一个Position。 下棋双方的每一步棋都是想把自己的利益最大化，相反，对手的下一手棋的目的是使你的利益最小化，这就是MinMax算法的来源。

MinMax是一个递归迭代算法。不知道   ice_tea 赢了老师的connect 4是不是 这个MinMax算法？

假如决策树能够递归到底，走到最后一手棋，那么问题就得到的完全解决。问题是小小的 6x7的一个 矩阵，却有 四万亿种走法, 不知道   ice_tea是如何解决的。

我“发明”了个连通函数法： 对任何一个状态上的一个顶部位置空位，这个位置向各个方向伸展，数一数已经有几个能连接通，和几个潜在的连通位，根据连通位的长短和多少评分，加和，选择得分最高的。

评分规则大概是三连通串比二连通串得分高，二连通串比孤子得分高，没有可能发展成四连通的任何串不得分。把这个评分规则量化，变成一个多项式函数，系数待定。

然后，从网上或书上查到一些案例，让机器学习，确定系数的数值。如果这个函数能让10个案例通过，在实际随机测试中，正确率可达到80%。

自动交易模型也是一样的道理，首先制定 一套 评分规则，这些规则相互关联，形成多维（Lyapunov）函数 ，具备自治动力系统稳定性，然后，利用历史交易数据，训练交易系统，使利益最大化，确立关联强度等系数。如果收益稳定满意，就可以用于实盘交易。

盈透阿狗

九天 发表于 2017-6-23 11:49 PM
本来标准策略是利用Kurtosis正负判断有没有趋势，利用skew正负判断多空。我这里没有现成的源码，自己只写 ...

MACD（26天，12天，9天）是标准做法，但不是对 任何一支股票 都是如此。只要你把这三个时间尺度作为三维变量去优化，相信有赚钱空间存在。

九天

盈透阿狗 发表于 2017-6-25 08:32 PM
MACD（26天，12天，9天）是标准做法，但不是对 任何一支股票 都是如此。只要你把这三个时间尺度作为三维变 ...

我湘用神经网络程序优化，源码通过了，有其它问题。有人搞了10几年，一事无成。

盈透阿狗

九天 发表于 2017-6-27 08:04 AM
我湘用神经网络程序优化，源码通过了，有其它问题。有人搞了10几年，一事无成。

神经网络是一组可以被调节权重的依赖关联网。
成功与否，取决于（1）你所建立的关联是否确切地反映出体系的特征，以及（2）关联强度（权重）是否设置恰当。
CNN核心是卷积分，卷积涉及两个函数，一个就是股票交易的时间序列（已知），另一个就是你所制定的特征函数（待定），卷积重叠面积就是利益（回测），优化目标就是利益最大化。
有人搞了10或20年一事无成，不是神经网络这个工具本身的问题。就像加减乘除微分积分，这些数学工具永远没错。

九天

盈透阿狗 发表于 2017-6-27 08:59 AM
神经网络是一组可以被调节权重的依赖关联网。
成功与否，取决于（1）你所建立的关联是否确切地反映出体系 ...

你们博士软工的确行家，我的问题就是你说的，所建立的关联是否确切地反映出体系的特征。

我是看到一行字才动心的，说美国专家，目前可在几分钟内模拟１８００天的交易量，经过测试，不好的“基因”被剔除，好的“基因”被保留。
其他技术细节一无所知，不过“基因”二字，大家都知道是 神经网络，无非企图自适应，即机器人通过学习积累经验并“自主进化”。

因写的炒股ANN程序策略是普适的，千奇百怪，等有空，以通用于个人择偶， 公司招聘，政府选拔官员的 “伯乐” 机器人为例，加以说明。

328

神经网络在90年代火红了一段时间，也促进了人工智能的第二代发展，但是当时神经网络的应用几乎没有。直到2006，Hinton发表了深度神经网络的学习方法，而真正的有划时代的应用是2009年微软的Li Deng等应用深度神经网络实现高效语音辨识。https://www.cs.toronto.edu/~hinton/absps/DNN-2012-proof.pdf
用了深度神经网络，把特征提取过程也自动学习了。

而AlphaGo, 在其走棋策略和走棋效果评估上，都用了深度神经网络。我猜，如果不用深度神经网络，不要深度学习，估计AlphaGo不会那么容易赢得世界围棋界。

我想说，真正好用的神经网络，目前看是深度神经网络，但问题是，你看他们学习时需要的计算容量，The final version of AlphaGo used 40 search threads, 48 CPUs, and 8 GPUs. 一般来说，个人是没法做的，需要有个团队。如果是个人研究股票的话，特征提取可能还是人工进行比较合理。我不知道，给很多很多股票数据，深度神经网络是否能学到Fib数的规律及其概率分布。

盈透阿狗

328 发表于 2017-6-27 11:15 AM
神经网络在90年代火红了一段时间，也促进了人工智能的第二代发展，但是当时神经网络的应用几乎没有。直到20 ...

现在主流弈棋计算机的基本“思考模式”其实很简单，可以说，计算机的基本策略是所有“人类有可能采用”的策略中最原始最简单的一种：
就是对当前局面下的每一种合法走法所直接导致的局面进行评估，然后选择“获胜概率”最高的局面所 对应的那个走法。

围棋局面可以是基于“粒子-场”模型的静态评估，加上对从当前盘面出发“有可能”出现的大量局面变化所导致的结果进行“预测分析”的动态评估。

“静态评估”包括基于特征识别的打分原理，
“动态评估”基于MinMax类似算法迭代，包括αβ剪枝技术。

如果把四子棋比作麻雀，把围棋比作大象，它们体量不同，但结构类似，可以使用类似办法求解。炒股建立的自动交模型也可以从这里引出。

328

盈透阿狗 发表于 2017-6-27 01:19 PM
现在主流弈棋计算机的基本“思考模式”其实很简单，可以说，计算机的基本策略是所有“人类有可能采用”的 ...

确实，机器下棋里有很好的算法或方法，比如alphaGo，不知否能用在炒股上。

九天

328 发表于 2017-6-27 11:15 AM
神经网络在90年代火红了一段时间，也促进了人工智能的第二代发展，但是当时神经网络的应用几乎没有。直到20 ...

现在的多层神经网络，能够深度学习，我相信，如果把小散类比于手工织布， 那么人工智能炒股可能像大型织布机，淘汰绝大多数炒股的小散。

炒股用双层神经网络就够了. 所以10几年来都有小散捣鼓，只是闷声，我没听说有成功者。

现在，美国“感知力”公司在全球拥有数千台同时运行的机器，利用历史数据模拟交易，其独特算法创造了数万亿被称为“基因”的虚拟交易者。
中国也 迈入了 人工智能炒股。2017年5月16日，“宜发智能投资机器人1号 ”私募基金正式发行成立。所以，大大刺激了我。

目前我只是希望，在已有的交易程序上增加一个双层神经网络而已。正像 盈透阿狗 博士软工前面所说，
就是要训练计算机找出确切地反映出体系特征的关联函数gi(t)，和加权因子Wi，
于是，我们就有等式 Profit_Virtual = W1*g1 + W2*g2 * W3*g3 + W4*g4。

然后，Keep It Simple And Stupid，就一个语句，

If ( Profit_Virtual > 0 ) &&   ( Profit_Real > 0 ) 就给我不停的买。
If ( Profit_Virtual < 0 ) &&   ( Profit_Real > 0 ) 就给我不停的卖。
If ( Profit_Real <= 0 ) 就给我停止交易进入回去再习学习训练。

原理上，只要有51%的胜算概率，就可以发明炒股不输钱的程序，实际上，美国Virtu Finance 上市公司，
已经做到1500天交易中， 仅仅一天输钱。

也许不久，有人或者云计算，允许有偿使用其程序，可以训练计算机找出确切地反映出体系特征的关联函数gi(t)。否则，手工操作，恨累人的。

盈透阿狗

九天 发表于 2017-6-23 11:49 PM
本来标准策略是利用Kurtosis正负判断有没有趋势，利用skew正负判断多空。我这里没有现成的源码，自己只写 ...

MACD是反映趋势交易的常见办法，算法非常简单，通常采用26天基线，12天变化线，以及9天信号线为三个特征时间尺度。
即使采用这样简单，也不做任何优化的模型，我计算了SVXY从2014年3月7日至今，832天，收益为76.5%, 折合年收益率23%，"Beat the market"绰绰有余。
但是，老大说你计算的 MACD不挣钱，我开始怀疑你的计算是否正确。
我若接到数据，立马能给出结果，来验证计算是否准确。当然我也可以把SVXY的数据给你验证，看你能否得到同样的收益率。

盈透阿狗

附件 1)原始數據： SVXY_date_close_HistoricalQuotesSince2012.csv
附件 2)計算結果：macd26_12_9_from8-21-2012_to6-30-2017_count1223days.csv
附件 3)買賣清單：macd26_12_9_from8-21-2012_to6-30-2017_count1223daysbuySell.csv
附件 4)利潤圖示：SVXY_profit120percent_since7_2_2012_using_MACD_model.png

盈透阿狗

attached

九天

盈透阿狗 发表于 2017-7-3 07:23 AM
MACD是反映趋势交易的常见办法，算法非常简单，通常采用26天基线，12天变化线，以及9天信号线为三个特征时 ...

在1分钟级别，我自己写的以及他人的MACD策略，都不赚钱。
正巧我写过skewness码，画了图，就想在1分钟级别试试跟MACD搭配。因为输钱，所以这个策略是愚蠢的。

其次，Back Testing共交易5336次，包括手续费Nettogewinn gesamt: -7 597.57欧元。
我的卷商通过ASK和BID差价赚钱，Spread是动态的，我不知道5336次的手续费是多少。

所以，这种经过卷商加工过的 L1 数据，可能不适合你。

我也曾经用美国的Sterling和NiNja写过码，但私人最终选择了欧洲的2家可编程交易平台。
比如瑞士那家，是ECN数据，有月到1分钟， 以及10秒， 3Ticks和Ticks的Chart，
都可以使用用包括MACD在内的100多个TA指标。
我们欧盟居民，可交易外汇对，主要股票指数，金银铜油气，各国大盘股票。超出我的私人需要。

所以，建议你去开个DEMO，中意的话就开LIVE账户，不贵，好像因为我只看不交易，每年扣我200欧元。
这样，你就彻底解决ECN数据来源，专心考虑交易策略。

具体名字你自己查吧，免得被认为是广告。

盈透阿狗

九天 发表于 2017-7-4 05:54 AM 在1分钟级别，我自己写的以及他人的MACD策略，都不赚钱。 正巧我写过skewness码，画了图，就想在1分钟级 ...

我理解你说的“在1分钟级别”是MACD（26分钟，13分钟，9分钟）。它于MACD（26天，13天，9天）的时间尺度相差甚大，所以，结果也可能截然不同。 
使用MACD的关键是三个时间尺度的选取，这三个指标是体系趋势的特征描述，不同股票，有其特定的固有特征，可以通过机器学习提取。 

>>>九天 很好的策略，有没有可能画出Profit/MFE和MAE图进一步分析 发表于 2017-7-4 06:01 AM 
下面是对4年SVXY历史数据分析得到的Profit/MFE和MAE分布图。对你感兴趣的investment vehicle， 你若调节时间尺度，也能找到赚钱的窗口。