还有一个相关的问题:电脑哪些东西是人脑干不了的? 这个可能比较好回答,一是复杂的运算,比如用遗传算法计算头寸调整;二是排除情绪的干扰,当然前提是你不干扰电脑;三是执行(填单、按键)的正确率,这对超短线来说经常很重要。
还有神经网络,你可以设定变量组和规则,让它们进化,但是有些变量没有纳入变量库中,或者突变的变量,比如次贷,那时候系统就要完蛋了。有个人三年前看到了次贷的可能性,他每年做空,终于去年做成了,这个电脑分析不出来的。
系统交易本来就是起源于中小资金个人投资者基于Price/Volume的技术分析,后来加了点公司定期报告财务数据(大智慧新一代、TradeStation、Wealth-Lab的Custom fields等)。 现在很多Quants、Hedger干的也是这样的事情,但他们不把这个叫系统交易,他们喜欢Model(模特儿)。 所以我们这个版块的题目是Trading Strategies and Methods。 另一个相关术语Algorithmic Trading是属于Order Execution的范围。
时至今日,计算机系统的在线形计算速度方面已经展示出巨大的进步,但是在总体计算能力上依然存在差距,除此以外,在数据获取能力、数据检索能力两个方面所受到的技术制约在短时期内还看不到飞跃性变化的可能,但在所包括的局部点上,不同的技术确实都展现了一些可能。 电脑全面取代人脑,在一段时间内,还只能停留在科幻小说里,一方面是因为技术限制,另一方面是因为成本,连凤凰卫视的奥约感受团都说了:“人工效率高于机器。” 但是在电子化的线形处理领域,计算机确实压倒性的优于人脑,例如从100万个人名中检索特定组合,或者计算50925364的6830632次方,又或者将被采用100万字节形式描述的信息发送到1万公里以外,等等。 换句话说,作为线形计算,应用计算机系统,通常会快于不应用计算机系统,比如每6秒将两市所有个股强度计算一遍;数据通讯,对双电子化领域,应用计算机系统通常会快于不应用计算机系统,比如,每6秒,发送一份特定单。 以上都是计算机系统的强项,也就是主要可以利用的地方。 那么对计算机系统的弱项而言,与一般使用者感受的不同,实际上首先是一个技术限制,其中最重要的是I/O限制,包括速度与方式,其次是人类应用计算机系统的方法遇到了限制。 就速度而言,目前最现实的外部存储依然以硬盘子系统为主,快速的外部海量存储的访问速度在30000RPM左右,内存当然更快,但容量无法承受,磁带机不必考虑,所以一段时间内,只能通过多通道的磁盘阵列来提升存储速度,不过相应的处理方法,也就是软件系统,同样成为瓶颈。 I/O的另一个限制就是信息采集方式。上面几位兄弟谈到的数据获取的问题,实际上就是信息采集方式的限制,人类采取多种精细化的信息采集方式,就计算机而言,目前已经可以通过视觉系统和声觉系统进行数据采集,在大众市场上,例如OCR、SPEECH等,所以计算机系统没有一般使用者想象的那么笨,但是越绝不聪明,例如它无法利用声调变化或者表情变化。 但这个问题又要从两个方面来说,首先确实是存在数据采集技术精细化的限制,但另一个方面,则是梁上几位兄弟谈及到的,方法。人类还不能完全掌握训练计算机系统的能力,这才是最大的问题。 计算机系统目前遇到的问题,与人类幼儿遇到的问题极其相似,即知识容量有限,从而导致无法做出决策。 注意,是无法做出决策,而不是无法做出正确决策,这两者是有差别的,尽管从结果大概率上是雷同的。 举一个例子来阐述这个问题的本源: 在非结构化信息处理领域,通常比较多的是自然语言的理解,这个例子搞明白,以上诸位兄弟的迷惑基本上应该就了解的差不多了。 一个经典的例句:“中国人参加奥运会。”,任何人类都能够容易的区分,正确的切分是:中国人(n.)、参加(v.)、奥运会(n.)。但对计算机系统来说,除了这样一种理解,还有一种人类不会采用的理解:中国人参(n.)、加(v.)、奥运会(n.)。 后一种理解对一个简单的自然语言分析系统同样是正确的。问题出在哪?考虑一下人类为何不会采用第二种理解,原因在于两者不是同一词谱,从词源上来理解,中国人参-〉人参-〉农产品-〉物质,奥运会-〉聚会-〉行为概念-〉概念。 所以计算机系统必须应用一个新的规则,即,物质和概念不能放在一起计量。 创建这个规则的方法有两种,一是人类直接创建规则,这就如同教师教授学业,实现的方法就是给他一个规则描述,这种最节约,但目前人类还做不到,因为自己都没有搞清楚什么是正确的什么是错误的,万一这个传授人接近新人类,结果可能变成颠覆性的; 二是计算机系统自行学习规则,这就如果我们自己长大,碰得头破血流自然知道哪些规则是错误的。这就需要足够的时间和足够的计算能力,试错是需要海量数据的。 目前的解决方法是什么呢?答案是两者结合 给他一部分固定的规则,然后告诉它正确地范围是什么样,错误的范围是什么样,由他自己去试错,这就是目前相对较为成熟的分类、聚类技术。 分类、聚类实际上很大一部分是应用频谱处理上下文环境,从而使计算机大概的了解,一篇文章可能是在讲哪个领域,哪个内容。毕竟,在一篇谈论农产品的文章里,谈论“中国人参”的可能性远远超过谈论“中国人”的可能性,当然在这个时候,“参加奥运会”,在频谱上就变成一个需要特别处理的尖刺 回到原题,那么计算机系统是否可以识别不同的市场情况,并做出相应的决策,答案是,从远期来说,当然可以,但是目前只算是具备基础。 考察计算机系统,大多数人都关注决策的正确概率,但一定要注意到,系统地死穴并不在于做出错误决策,而是无法做出决策,也就是人类的大脑短路状态。解决的办法就是,识别这种状态,然后让他重新回到可以做出决策的环境中来。