关于金融交易的底层逻辑和个人机会

金融交易是赌场还是科学？交易市场中超额收益可能吗？金融服从于怎样的规律？怎样看待金融市场中的黑天鹅和小概率事件？技术分析派不懈努力靠什么盈利？当代人工智能、量化分析工具，或高频机器交易值得信赖吗？

量化投资是对时尚科技的顶礼膜拜趋之若鹜？还是对脆弱人性极端不信任的自我救赎？非专业个人进行金融交易可能成功吗？

本文为你浅解——关于金融交易的底层逻辑和个人的机会。

一、交易市场是无法预测无法战胜吗？
天下从事者，不可以无法仪，无法仪而其事能成者，无有也。 —— 墨子《墨子·04章法仪》

从赌场到华尔街，从骰子到股票，都是概率的诱惑和赌神的勾引。金融交易市场中，获胜的概率及盈亏都是不可预知的。统计的胜率、赔率看是一个均值，却无法应对时时出现的小概率黑天鹅事件。凯利公式、波动变化、尖峰厚尾都不能解释交易不确定性极高的现象，可以预期的是“永远无法预测”。

有效市场假说（EMH）是金融经济学中的一个著名理论，它是基于弗里德里希·哈耶克（1974年诺贝尔奖得主）等人的思想提出的。根据哈耶克的说法，市场是信息处理系统，提供尽可能最佳的价格发现。

2013年诺贝尔奖得主尤金·法玛（Eugene Fama）正式提出EMH理论（著名论文《股票市场的价格行为》，Efficient Market Hypothesis，EMH）【1】，其描述了3种EMH类型：

弱有效市场假说（Weak EMH）：历史价格数据已被计入（priced in），无法被用于盈利目的。技术分析（TA）和时间序列分析（TSA）是不起作用的；
半强EMH：来自媒体及研究公司的公共消息已被计入价格（priced in），无法被用于盈利目的。基础分析（FA）不起作用；
强EMH：即使是内部信息也无法被用于盈利目的，因为所有的信息都是已被计入价格（priced in）的。大多数投资者和经济学家都认为现代金融市场是合理有效的（即他们接受弱EMH和半强EMH），但他们拒绝强EMH理论。
总之传统经济学认为交易市场的价格行为是无法预测的（根据马尔可夫性 Price is right），也是无法战胜的（根据鞅特性延伸 No free lunch）。

二、交易市场中超额收益可能吗？
人性的选择和自决都不是出于意志的理性，而是出于偶然的动机以及这种动机对感性外在世界的依赖。 —— 黑格尔

EMH模型中遭到挑战的软肋是它的假设前提条件：所有交易者是理性的，所有信息是随机性的，是畅通无阻的。1981年，EMH模型主要挑战者是和法玛教授同获2013年诺贝尔经济学奖的耶鲁大学罗伯特·席勒教授（行为金融学Behavioral Finance，Robert Shiller ，《非理性繁荣》【2】）。

他发现在金融市场的实际数据中，股票价格的波动性远远超出了股利的波动性。1985年，哥伦比亚大学的梅赫拉（Rajnish Mehra）和普雷斯科特（Prescott）发现了股权溢价之谜【3】。通过对美国过去一个多世纪的相关历史数据分析发现，股票的收益率为7.9%，而相对应的无风险证券的收益率仅为1%，其中溢价达到6.9%，股票收益率远远超过了国库券的收益率。对其他发达国家的数据分析也发现了同样的现象。现象似乎说明交易总是产生了超额的收益。

人类的非理性是普遍存在，特别在交易市场中表现的淋漓尽致。损失厌恶心理（Loss Aversion）表现人们对于即时损失信号的具体情绪反应，解释了人们在不确定的条件下为何会做出一种对“自利”有利的决策。由美国普林斯顿大学教授卡尼曼和特沃斯基在20世纪70年代提出。在这种心理的驱使下，当面对等价的收益和损失时，人们多数会对损失产生更大的反应。实验证明，损失所带来的负效用达到了等量收益所带来的正效用的2.5倍。卡尼曼和特沃斯提出的价值函数说明了这种关系。

另外前景理论在交易者心理的非理性也表现在：

确定效应：“二鸟在林，不如一鸟在手”，”见好就收，落袋为安“。在确定的收益和不确定收益之间，多数人会选择确定的好处。
反射效应：在确定的损失和不确定损失之间，多数人会选择不确定的“赌一把”。
损失规避：白捡的100元所带来的快乐，低于丢失100元所带来的痛苦。选择性认知：小概率事件给人的影响更深，飞机失事比车祸更恐怖；更迷恋彩票等小概率事件。
参照依赖：看到别人的成功比看到自己的失败更痛苦，丢失100元现金比丢失一张100元购物卡更沮丧，多数人对得失的判断往往根据参照心理点决定。
行为金融学通过引入“前景理论”和“损失厌恶”等心理要素来改进传统模型，研究者们又陆续发现了“一月效应”、“反转效应”和“流量效应”等特殊现象，这些客观存在的交易规律都对EMH的地位构成了实质冲击。

由于信息不对称和非理性投资者共振，使得出现无风险套利修正非理性偏差，投资者非理性/有限理性条件使得超额收益可能。理性化、量化程式交易和机器交易成为盈利的潜在原因。

三、金融世界是非线性高维复杂混沌系统
混沌未分天地乱——《西游记》第一回

对于复杂系统，由于混沌现象，即使是最细微的扰动也能触发一连串事件，导致极为不同的后果。混沌理论发现由于存在“蝴蝶效应”，长期预测是不可能的。在不确定的阴影之下，无法确定这些系统的状态以预测它们将如何发展。混沌系统的博弈难度接近于人类认知的极限值。因为参与博弈的个体数量是海量级，所以没有人能准确地判断系统的运行。

婴儿、精神病人大脑是非混沌的，通过吃喝拉撒睡，来推测他们的喜怒哀乐，纯洁而简单。正常人大脑是混沌的，理性和非理性情绪的交叉作用，声情并茂、尔虞我诈、细腻情感和纷杂情绪，使得一切行为无法预测，甚至正常人在大喜大悲前，都无法预计或控制自己的下一步行为。

数学家的结论是：经济和金融最终服从于混沌规律。由于人的参与，金融市场受到数万种信息参数影响，且所有的心理影响、非理性波动带来的变化和逻辑推演都是非线性，金融世界是个非线性的混沌的复杂大系统。

因为在金融市场这个动态系统中有一种强烈的正反馈力量，所以有可能预测到短期市场走势，正是基于这个理念，技术分析派一直不懈努力，主要通过图形来捕捉市场变化，实现对短期的预测，从中获利。

因此技术派一直存在。通过对冲非理性投资者共振，进行无风险套利修正非理性偏差，通过趋势判断和均值回归。理性化、量化程式交易和机器交易让聪明的交易者的情绪化非理性将至最低。

四、黑天鹅和反脆弱世界
杀不死我的，使我更强大。——尼采名言

经济活动不可预测、金融市场偶然性是正常的本质现象，黑天鹅事件"Black swan" 具有意外性、不可预测的、但产生重大影响。因为柏拉图心理，我们忽视了它们的存在。不可预测是由于低概率，黑天鹅比想象的多，不可预测性不是小概率事件。彩票不是黑天鹅，小概率事件是有预测可能的，我们需要正向判断分析和寻觅黑天鹅。

塔勒布的《反脆弱-从不确定性中获益》【4】把事物分成三类：脆弱性的，坚强的和反脆弱的。动荡时会趋向碎裂破坏的或者说趋向负面结果的系统就称为脆弱系统。而反过来，如果一个系统在动荡刺激时，会有好的结果产生，就称为反脆弱系统。一个放在桌子边缘的玻璃杯是脆弱的，对抗不确定性的能力很差。反脆弱类事物是会从波动中得到利益或蒙受损失。脆弱性是指因为波动和不确定而承受损失，反脆弱性则是指让自己避免这些损失，甚至从混乱和不确定中获利。

宇宙的本质是混乱和无序，每下一秒迎接我们的不是秩序，而是随机。大自然是管理黑天鹅的最好专家，经过几十亿年演变进化到现在，物种进化就是反脆弱的一个体现。自然世界物竞天择，适者生存，进化中脆弱的生命被淘汰，这些灭绝的物种上体现出脆弱性，而具有强大基因的变异生存下来，生物世界变的更为丰富，也更为稳定。如果寻求更大的收益，应该主动寻找并且进入正面黑天鹅领域（《黑天鹅-如何应对不可预知的未来》，塔勒布）【5】。

目前出现的新冠疫情是黑天鹅，反脆弱就是像广泛存在于自然界中的细菌病毒，人类开发出的特效药和疫苗会管用一段期间，但之后他们总会进化出耐药性更强的亚种。中国思想家老子也创造了无为的学说。人类需要学会与病毒共存，让事物顺其自然的发展，行使其反脆弱的本能。

在《反脆弱》一书中，塔勒布告诉我们在不确定的世界中的生存法则，找到并定义了“反脆弱”类事物：每一个事物都会从波动中得到利益或蒙受损失，脆弱性是指因为波动和不确定而承受损失，反脆弱性则是指让自己避免这些损失，甚至从混乱和不确定中获利。此外，反脆弱性还可以避免预测误差，并且保护事物不受负面“黑天鹅”事件的影响。

反脆弱反直觉的，空难帮助提升航空运输系统安全性，疫情生病提高免疫力。构建反脆弱系统方式是通过试错方式。通过小的错误代价、敏感的错误探测、快速的修正响应，来获取巨大的收益，这就构成了一种反脆弱体系。

五、公鸡打鸣与人工智能
公鸡打鸣可以预示太阳升起；太阳升起的原因却不是公鸡打鸣。——作者

DeepMind团队新一代围棋AI“Alpha Zero”版本不需要借助人类经验数据，主要依赖深度强化学习，仅通过4个TPU和72小时的训练后就能以100-0战胜上一版本AlphaGo。人工智能是研究使计算机来模拟人的某些思维过程和智能行为（如学习、推理、思考、规划等）的方法，从而能够通过对环境的感知，做出最大化效果预期的行动。

传统的量化投资策略是通过建立各种数学模型，在各种金融数据中试图找出市场的规律并加以利用。无论是根据人的经验判断，还是通过经典的数学模型，力所能及的模式都是有限的。从探寻股票市场的全局来看，人类积累经验的研究可以接近某一个局部的最优，而真正全局的“最优解”或许超出了目前传统量化力所能及的范畴。

一方面，对于市场中蕴藏的复杂的非线性规律，很难通过传统数学模型进行挖掘；另一方面，对于海量数据的挖掘，困于计算机运算能力的限制，如果不利用数据挖掘算法，往往需要耗费大量时间。人工智能能够提供非线性关系的模糊处理，弥补了人脑逻辑思维模式的单一性，同时，如果加以利用相关算法，可以大幅提高规律的搜索效率。人工智能的引入也使得投资策略更加丰富，如AI算法对于非线性模式的因子挖掘在多因子领域比传统线性多因子模型更加敏锐。

人工智能的发展，需要经历“机器辅助人——机器与人合作——机器完全自我学习” 三个发展阶段。虽然完全强化学习在围棋上取得了突破，但目前仅在解决封闭空间的简单任务中取得成功，离普适还有一定距离，可以预见，在未来的相当长一段时间内，将会是人与机器融合的模式。对于量化投资来说，将会是分析师的经验和人工智能相融合。“AI+”量化投资模式将会成为人工智能应用于量化投资中的发展方向。人脑的抽象思维、情感思维是目前的AI不具有的，而AI的模糊运算和计算能力也是人脑不能企及的。两者互补将会成为未来AI量化投资的方向【6】。

强化学习（Reinforcement Learning）是让计算机实现在特定的情况下，通过不断地尝试, 从错误中学习, 最后找到规律, 找到可以获得最大回报的行为。强化学习有四个基本组件，包括输入：环境（States），动作（Actions），回报(Rewards)以及输出：方案（Policy）。

和监督学习不同，强化学习没有确定的标签，需要机器自己摸索，每一个动作对应一个奖赏，最后得到一个奖赏最大的方式进行数据处理。AlphaGo就是一个强化学习的实例。

强化学习的主要算法有：Sarsa，Q Learning, Policy Gradients, Actor-Critic, Deep-Q-Network等。强化学习的目标是发现最优策略π（x），使得达到最优价值Q【7】。主要有两种途径可以学习最优值函数：

一种是基于模型的学习, 在学习的过程中对模型进行估计, 如实时动态规划（Real-Time Dynamic Programming, RTDP）；
另一种是无模型学习, 在学习的过程中直接估计最优行动值。Q学习算法是Watkins在1987年提出的一种无模型强化学习算法：它用状态s下采取行动的下一个状态，对假定的行动所对应的最大值Q更新当前的值Q。
强化学习Q算法具有不断试错、优化调整的特点。而量化投资同样面临着具有高风险和高不确定性的环境，而且往往需要在不同阶段动态调整不同股票的投资比例，这些问题通过强化学习Q算法可以得到较好的解决。

人工智能缺陷是不能完全解释内在机理因果关系及黑箱运作机制，公鸡打鸣可以预示太阳升起，人工智能能建立数据及事件的关联；太阳升起的原因不是公鸡打鸣，因此人工智能不能揭示解释事件本质因果关系及内在原因。

放弃解析复杂系统中黑箱的内在机理，而研究事物间的关联性比获取其因果性更现实和务实。因此我们人工智能的应用聚焦在：（1）描述高维非线性空间世界的工具，（2）建立不同维度事物的关联。

人工智能可以描述高纬非线性空间世界的工具，对高维度进行特征描述。K线是股市降维认知，但对金融交易需要更高维度的描述和认知。人工智能最新技术突破，深度/强化学习的技术质变使得对金融交易的高维度认知、自学习自进化成为可能。

六、非专业个人的机会？
职业与非职业是赚钱途径的区分，专业和非专业则从技巧手法等来判别。 —— 孟非《非诚勿扰》

詹姆斯·西蒙斯（James Simons）是世界级的数学家【5】，也是最伟大的对冲基金经理之一。 [1] 全球收入最高的对冲基金经理，年净赚15亿美元。在华尔街，韬光养晦是优秀的对冲基金经理恪守的准则，詹姆斯·西蒙斯也是如此，即使是华尔街专业人士，对他及其旗下的文艺复兴科技公司也所知甚少。然而在数学界，西蒙斯却是大名鼎鼎。早在上个世纪，詹姆斯·西蒙斯就是一位赫赫有名的数学大师。

2009年10月10日，西蒙斯宣布他将于2010年1月1日退休，但保留文艺复兴科技公司荣誉主席职位。2020年4月6日，詹姆斯·西蒙斯以1400亿元人民币财富名列《胡润全球百强企业家》第45位。自2005年净赚是索罗斯的两倍。1989-2006年净回报率超过巴菲特（来源：百度词条）。

沃伦·巴菲特是投资界人尽皆知的“股神”，但可能很多投资者不知道詹姆斯·西蒙斯。这位创造了华尔街投资神话的传奇人物管理的大奖章基金的平均年收益率比巴菲特还要高得多，其超越巴菲特的秘密武器就是量化投资。

据联合证券基金研究小组日前发布的研究报告，量化投资的传奇人物–西蒙斯管理的大奖章基金从1989到2007年间的平均年收益率高达35%，而股神“巴菲特”在同期的平均年回报也不过约为20%。即使2008年面对全球金融危机的重挫，“大奖章”的回报也高达80%。

西蒙斯几乎从不雇用华尔街的分析师，其文艺复兴科技公司里坐满了数学和自然科学的博士。用数学模型捕捉市场机会，电脑作出交易决策。

所以个人不需要是金融专业人士，仍然可能进入金融交易行业。目前科技跨界的共享、共享平台代码，突破并跨越专业/机构和个人研发的界限，GPU等硬件设备价格不断下降，云计算、云存储的使用，使得个人低成本构建智能系统、交易系统成为可能。

参考目录

Eugene F. Fama：The Behavior of Stock-Market Prices，The Journal ofBusiness, Vol. 38, No. 1. (Jan., 1965), pp. 34-105.
罗伯特·席勒，《非理性繁荣》，2008年，人民大学出版社（第二版）
梅赫拉&普雷斯科特，《股权溢价之谜》，梅赫拉，哥伦比亚大学纽约 NY1 0027 美国；爱德华·普雷斯科特，尼阿波利斯联邦储备银行，明尼苏达大学明尼阿波里斯市 MN55455 美国。
纳西姆·尼古拉斯·塔勒布，《反脆弱-从不确定性中获益》，2014年，中信出版社出版。
纳西姆·尼古拉斯·塔勒布，《黑天鹅-如何应对不可预知的未来》，2014年，中信出版社出版。
迈克斯·泰格马克，《生命3.0-人工智能时代人类的进化与重生》，2018年，浙江教育出版社出版。
周志华，《机器学习》，2016年，清华大学出版社出版。

关于金融交易的底层逻辑和个人机会相关推荐

你以为AlphaGo只是下围棋厉害？不，它还能用来优化金融交易策略参数
提取阿尔法狗中的灵感还记得2016年3月9日-3月15日在韩国首尔上演的围棋界终极挑战吗?在总计五轮的人与机器的对决,人类一方的代表--世界围棋冠军李世石很不幸完败于机器一方的代表--美国Googl ...
恒生LIGHT云金融交易测试平台，支持股票、融资融券、股票期权、基金、期货等多市场，提供免费的实盘行情和便捷的API接入，满足多金融业务品种的高仿真实训环境，进行策略实盘回测！
金融交易测试平台,是恒生LIGHT云为开发者提供的一套支持股票.融资融券.股票期权.基金.期货等多市场,多金融业务品种的高仿真实训环境. 开发者通过开放的接口接入金融交易测试平台,一方面可以验证自身产 ...
区块链革命 - 推荐序二区块链已成为金融科技的底层技术
推荐序二区块链已成为金融科技的底层技术金融 = 制度 + 技术 + 信息一.区块链技术的内涵与实质区块链是一个由不同节点共同参与的分布式数据库系统,是开放的账簿系统.市场经济活动中存在很多信用 ...
日本公司用人工智能帮人做金融交易
日本公司用人工智能帮人做金融交易 2015-10-31 20:21 中文科技资讯 [大][中][小]我有话说近日,日本人工智能初创公司Alpaca宣布获得100万美元投资,而他们打算用这笔钱来建立一 ...
第二届金融交易技术大会拥抱Fin Tech-创新、科技、融合在沪圆满落幕！
2017年4月7日上午9时,由Leader Group.FC CLUB主办的博览会-"第二届中国金融交易技术大会暨2017金融在线交易博览会"在上海国际会议中心隆重召开.金融科技使 ...
金融交易报文ISO8583协议
前言最初,金融系统只有IBM这些大公司来提供设备,象各种主机与终端等,后来有很多大大小小的公司进入,怎样设计一个报文协议,解决各公司金融系统之间的报文交换,暂且称该协议叫做ISO8583协议.例如& ...
jsp1159金融交易银行产品股票基金
摘要:随着当今网络的快速发展与进步,人们对信息化的认识已经不再停留在低层,由以前的感性认识转变到了现在的理性认识,人们认识到了管理工作的重要性,进行科学化的管理.对信息的村春达到能够准确.快速的处理可 ...
深入理解金融交易报文Iso8583协议
前言思考字段域定义字段域解释举个栗子前言最初,金融系统只有IBM这些大公司来提供设备,象各种主机与终端等,后来有很多大大小小的公司进入,怎样设计一个报文协议,解决各公司金融系统之间的报文交 ...
通达信服务器修改,通达信金融交易终端(开心果交易版)V2020版，修改导航菜单...
修改导航菜单相比0213导航变化 1,增加了大量菜单链接,对于"资讯.数据"菜单内容较多的,可点"更多"链接,以弹出窗口显示.其中"数据" ...

关于金融交易的底层逻辑和个人机会

关于金融交易的底层逻辑和个人机会相关推荐

最新文章

热门文章