Edge
Chrome
Firefox
这个系统主要分几方面展开：
1、利用自然语言处理（NLP）技术，监控网络舆情事件，对网络舆情进行情感分析，给出定量描述（利空/利好），并自动化生成内容摘要供投资经理参考。
2、利用产业链图谱，分析上市公司上下游企业经营状况（销售收入、利润及财务数据等），用来推断企业未来的盈利能力或隐藏风险。
3、监控上市公司主要产品市场价格与成交量信息，用于预测未来的营业收入。
4、对上市公司银行流水进行识别分析，从资金流的层面审视上市公司经营状况。
5、对行政、司法公告进行智能化解读，识别上市公司法律风险。
经过两年时间的实盘运行，取得了与沪深300指数同等收益。
根据结果来看，这套系统对上市公司风险事件几乎能够100%俘获，只要是后期出现债务违约或债券价格大跌的标的，都能被系统提前捕获（比如康美、康得新、中安消防等）。
但问题是错报的情况太多了，报出100次风险，有97次最终都能平稳落地。如果据此来调整持仓的话，交易会非常频繁，冲击成本过高；特别是债券，一时间找不到交易对手方，只能折价卖出，最终导致债券投资这部分是亏损的。
我当然知道其他团队（机构）也在做同样的事情，所以呢，我就创立了“暴雷教”，就靠债券暴雷以后，机构相互砍仓砍出的超低价格赚钱。
当然，100次风险里可能有10次是真的，那我就认亏呗，我的单只标的持仓不超过7%，不会有灭顶之灾。
=====================
从逻辑上说，这类系统是在提前捕获金融市场的驱动因子，比那种仅仅回测历史行情数据的学习模型更为可靠，便实际情况似乎并不支持这一结论。
根据这些实践经验，我慢慢领悟到，投资是否成功的关键因素，就是对"稀有事件"的解读能力。
注意，一定要是稀有事件，最好是以前没发生过的。
没有历史数据可以模拟，无法计量，人工智能就更没有办法了。这个时候，就是常识+胆量+耐心发挥作用了，往往也是赚大钱的机会。
从信息论的角度来看，越是稀有的事件，信息量越大，市场就会过度高估它的作用，特别是出现恐慌性、群体性大跌时，大概率就是抄底好机会。
=====================
仔细推敲不难得出一个结论：金融市场的走势主要受未来不可预测因素影响，已知因素对其影响非常有限，而我们投资者（包括AI），只能从已知事件中得出结论。
对于已知事件，满足以下条件可做为决策依据：
1、发生稀有的大事件，市场没有经验，你认为自己可以更深刻地解读它，并愿意承担相应的风险。疫情事件投资属于此范畴。
2、对于已知事件，你认为市场对该事件反应过度或反应不足，尚有后期影响可以利用。在信息极其畅通的今天，公开事件往往是反应过度。
3、对于已知事件，某些资金的特性决定了，被迫做出了某些动作，而不是基于标的价值的考量。债券暴雷投资法就属于这个范畴。
比如雷曼兄弟，一瞬间资金流短裂，导致资不低债，如果外界救助一把，不至于倒闭，实际最后清算资产都破产时高。
银行类非常典型风险后置，一旦出现风险，都是致命性的。
1、真假难辩识。
即使AI技术也无法识别真和假问题。
2、时间存在巨大差异性。
有人早都知道了，有人早就做出反应。
3、即使对于同样信息，人们反应也不同。
对于可能雷，绝对不能心寸侥幸，如果雷是可能致命的，且重仓，一定减仓。
如果轻仓，可以继续观察，或着轻仓参与都可以。
有些致命错误，只要一次就完了，有些错误，你犯再多，也死不了。
一种逻辑是前因后果，进行逻辑前推。
一种逻辑是后果前置，进行逻辑反推。
如果后果是无法承受的，就需要减仓处理，一直减到可以接受地步。
如果后果可能很好，就可以适当加仓处理，一直加到可以接受风险。
赞同来自: lx_basement 、star 、你猜再猜 、zsp950
工具是辅助形成投资逻辑的，投资逻辑的建立不应该押宝式的依靠一个工具，而应该建立于复数的工具集基础上。
大多数现代复杂量化工具都有一些适用前提，对工具的熟悉程度决定了你对其的应用水平。“新”工具并不一定代表“好”，简单的投资逻辑未必不起作用，高级工具并不一定带来最好的效果，但拥有一个工具库一般会比只掌握一个工具具有更广泛的适用性。简单的唯量化论和鄙视量化论都是十分机械的。
另外关于使用文本分析协助预测股票收益有一篇论文推荐Ke2020 - Predicting Returns with Text Data，是在美国股票市场做的，结果不错。
赞同来自: 蝶之梦 、画眉 、江城车贩子 、终极信息 、fuyda 、 、更多 »
测试情形只是某种特定情形下成立。
比如小市值策略，在特定阶段是有效的，有些阶段是无效的。
测试是为了验证逻辑有效性，过去有效未必将来有效，过去无效就证明策略存在漏洞，就要避免实战中入坑。
投资博弈中，出现对错都很正常，正确的就坚持，有错就改。
所谓LZ的人工智能的策略投资系统只是辅助分析系统，而不是人工智能交易系统，实际交易还是人工交易。
人工智能交易系统需要引入多个标的的价格和成交量，其它输入信号只是参考。
其它信号存在太多虚假性，很难验证，价格和成交量是真实的。
目前有几千股票代码，几千个基金，还有很多其它交易标的，如何实时选择最为恰当标的，人只能根据自己有限的认知选择，机器监控面更大，计算速度更快，机器套利有很大优势。
赞同来自: chineseumi 、fuyda 、组组长一
三个基本问题
- 所谓的量化是要解决一个什么问题？ 能否把这个问题用数学语言表达出来？
- 求解这类问题，有哪几类方法？这些方法的主要原理有哪些？依赖的前提假设有哪些？
- 用这些方法来求解问题，产生误差的因素有哪些？ 这些误差的估计能否计算？
楼主就属于第一个问题都没搞明白的，你到底是想预测公司的经营风险，还是想预测公司经营风险对股价债价的影响？ 这是两个不同的问题，万万不能混为一谈。
很多人不停的质疑当前市场是病态的：三傻被按在地上摩擦而有些公司按市梦率估值。
理解了到底是市场病态还是这些人病态，基本上就能理解为什么你的策略不赚钱了。
其实和人工智能没啥关系。
赞同来自: yizhouhit 、Lee97 、甘泉 、阿灵1973 、rogerc 、 、 、 、 、 、 、 、 、 、 、 、 、 、 、 、 、 、 、 、 、 、 、 、 、 、 、 、 、 、 、 、 、 、 、 、 、 、 、 、 、 、 、 、 、 、 、 、 、 、 、 、 、 、 、 、更多 »
做投资，就要做那些无法回测，只凭常识就能判断出来的机会。
比如过去几次大机会：分级A跌停，IC当月合约贴水5%以上，可转债跌到70以下，疫情导致股市崩跌，交易所一大批AAA国企债跌到60-70元.....
布谷小鸟 - 皆大欢喜
老兄的经验有借鉴意义， AI量化投资目前无法提前应对突发事件和跳空高开低开等事件。
京公网安备 11010802031449号