Transcription
很多人在那里声称他们能 100% 预测市场。不。我会请所有听我说话的人不要相信这些说法。没有人能 100% 预测市场，即使是人工智能。而且使用人工智能来预测市场真的、真的很难。这是可能的，但并非人人都能做到。好的，Amatul Khushi 博士，今天很高兴与您谈论算法交易，以及我们现在如何利用人工智能进行交易以及它将如何运作。您在这方面做了很多研究。所以很期待看到您最近在交易和算法方面的进展。非常感谢 Etienne 的邀请。这是我非常感兴趣的话题。这是我的老本行。我一直都在做。所以很乐意回答您的问题，然后继续。怎么样？请您介绍一下您是如何接触到交易的，特别是算法交易，以及人工智能在交易中的应用。您是如何开始涉足这一领域的？从学生的角度来看，我们如何教导学生，因为我是一名全职学者，是伦敦布鲁内尔大学的副教授。我的全职工作是指导从本科到博士的学生。我们最近在交易领域也有一位博士生毕业。所以，是的，我将更多地从这个角度来谈论，我们如何培训学生成为算法交易领域的世界顶尖交易员。所以我们主要教授交易的基本概念，您知道，支撑位和阻力位，蜡烛图，诸如此类，各种指标，技术指标，诸如此类。然后我们让他们接触一些知名的交易策略，比如价值缺口或布林带反转或趋势交易，向他们介绍剥头皮交易、波段交易的概念，然后根据个人的喜好，他们想做什么，是想成为日内交易者还是长期投资者。所以我们让他们接触不同的交易策略。然后我们引入人工智能，同时，我们教授他们不同的人工智能算法，机器学习，神经网络，诸如此类。然后我们教他们如何将两者的优点结合起来，将它们融合在一起，比如基于规则的算法，然后是神经网络和机器学习，更像是黑箱，然后在上面进行学习，然后预测和预测市场可能走向何方。我们还有一些套利策略，比如不同交易所之间的价差。过去有很多，但这些价差仍然出现在不同的交易所之间，尤其是在加密货币市场。所以我们交易这些策略，基本上是利用不同市场之间的低效率。很多交易原则默认情况下更具判断性，就像您提到的支撑和阻力区域。这些很难编码。您如何弥合那些无法编码或非常难以编码的算法之间的差距？是的，这就是人工智能派上用场的地方。所以我们投入——人工智能实际上不会预测什么是支撑位或什么是阻力位。神经网络在这方面非常擅长。最近，我们一直在采用大型语言模型来预测市场走势。所以基本上，我们会有一个算法，而您显然会根据您的口味，在心中或策略中设置止损和止盈。然后您在相同的资产类别、相同的时间范围内，在历史数据上训练您的人工智能。非常、非常大的数据。然后在那次训练之后，您会问，“触及止损的概率是多少？”如果概率非常高，那么可能不适合进行交易。显然，您会提前测试这些算法。例如，您可以将 2000 年到 2024 年的数据作为训练数据。然后 2025 年的数据可以作为您的验证测试集。在未见过的数据上进行测试。然后在 2026 年，在您对完全未见过、未经测试的数据有信心后，您就可以开始进行实际交易了。所以如果我理解正确的话，您拥有的算法是编码的，它们是硬核规则，而您的人工智能可能充当这些规则的过滤器？还是它会告诉它在某些情况下进行交易或不进行交易？或者它如何与代码协同工作？是的，它的工作方式是这样的，例如，您可能有一个策略。让我们来谈谈非常、非常简单的情况。您在一个反转非常普遍的市场进行交易，比如外汇。很多人交易均值回归。他们认为市场会回到均值。所以，假设您的策略是布林带，价格上涨到布林带的上限，并开始显示反转迹象，那么您就卖空。现在，您要做的是收集这些信息，如果您想引入人工智能，您就回到您能回溯的最大时间范围，取决于您能获得数据的位置。理想情况下，您应该回溯 10 年的数据，但如果您回溯 5 年的数据，那么您就获取这 5 年的数据，然后实现该策略，进行回测，这样您就会在这些数据上获得您的盈利和亏损。这些盈利和亏损将作为您人工智能训练的标签，如果这有意义的话。然后您在过去五年的数据上，利用您的盈利和亏损来训练您的人工智能。显然，您不想交易那些亏损的交易。然后您在另一年的未见过的数据上进行测试。所以同样的策略，您应用该策略，然后您现在有两个系统并行运行。您有您的机械式基于规则的策略进行预测，现在您有人工智能来预测您是否会触及止损或止盈。所以您有两个系统。所以您在另一年进行测试，假设如此，然后您将拥有未来市场盈利和亏损的真实概率。我的意思是，如果听起来太复杂，那它就是。学习、实施、正确制定策略需要时间。但从非常宏观的角度来看，我认为像您这样可能交易了很长时间的交易员，这可能对您来说是有意义的。但对于刚进入交易领域的人来说，这可能太复杂了。但是的，这是一个复杂的领域。我认为对交易员来说，使用人工智能正变得越来越容易。稍后我们可以更详细地讨论这一点。但我很好奇人工智能使用什么样的数据来决定应该进行或避免的交易。它是仅仅基于价格和价格数据，还是人工智能还会考虑其他因素来决定交易？不，我们学者主要在两个领域工作。一个纯粹是基于研究的领域，我们想发表论文，我们想看看如何改进人工智能以用于预测目的，发明新算法。然后另一个领域是您真正想利用它来赚钱，进行实际交易。所以对于第一个领域，可能就像我和我的学生一起发表了一篇论文，仅仅是根据 Twitter 上的情绪来预测市场，人们对某个资产表达的情绪。然后我们提取这些情绪，并根据这些情绪与价格进行关联，看看我们是否能预测它。在另一篇论文中，很多年前，我们提取了许多不同的基本面指标，比如股票的收益，它们的市盈率，以及分析师评级，我记不清了，有 40-50 个不同的指标，基本面指标，以及技术指标。我们在研究中发现，分析师评级是预测市场走势的一个良好贡献者。是的，我可能再次说同样的话。在研究方面，我们研究了许多不同的市场和许多不同的指标，包括基本面指标，比如分析师评级，以及从公司概况中获取真实数据，比如它们每三个月左右报告的内容，然后利用这些数据来预测未来的走势。在那篇论文中，我们发现分析师评级在预测真实市场方面贡献很大。它是与一些其他指标一起的一个重要预测因子。是的，如果有人谷歌我的名字，我所有的论文都会出现在谷歌学术上，他们可以更详细地阅读这些论文。有些指标我现在记不清了。但是的，我记得分析师评级是预测中的一个重要贡献者。然后我们还发表了一项研究，其中我们表明人们的情绪确实驱动市场，无论是真实的走势还是虚假的走势，但它确实反映了人们的情绪或与未来市场走势相关。所以这是实际交易的研究方面。我们观察到，这些情绪可以用于长期。利用这些情绪进行日内交易可能非常困难，日内交易更适合。价格行为类策略更适合日内交易员。我们是否正在达到任何人都可以使用人工智能的阶段？它是否仍然只保留给那些知道如何编码、知道如何手动进行大量分析的人，还是现在已经普及到每个人了？不，不，不，不。凭借我在这个特定领域 10 年的经验，我在学术界已经有 25 年了，但特别是在交易和使用人工智能算法方面，我已经做了 10 年了。我可以打赌，这并非人人都能做到。这非常困难，人们觉得它很容易。他们认为可以使用人工智能来预测市场，但事实并非如此。这仍然非常困难。人们使用非常简单的方法，比如截取带有许多指标的图表截图，然后将其输入 ChatGPT，然后发布视频，“看，我赚了这么多钱。”是的，所有这些说法都不是真的。我可以打赌。很多人在那里声称他们能 100% 预测市场。不，我会请所有听我说话的人，不要相信这些说法。没有人能 100% 预测市场，即使是人工智能。而且使用人工智能来预测市场真的、真的很难。这是可能的，但并非人人都能做到。用于人工智能交易的模型是人们可以访问的像 ChatGPT 或其他平台上的模型吗？还是需要更复杂的模型才能做出交易决策？更像是您需要真实的交易，比如回测，真正强调进行回测。比如……或者您想使用的任何模型。比如您使用 ChatGPT 时，问题是，ChatGPT 或任何语言模型，问题是它们可以访问未来。您无法回测它们，对吧？因为它们已经看过数据了。所以这确实是这个行业中一个非常、非常大的问题。我看到很多已发表的论文，它们在使用……它们存在数据泄露的问题，比如使用未来数据来预测未来价格。而这正是 ChatGPT 和所有语言模型所做的。比如您截取 2025 年的屏幕截图并删除所有数据，您会认为模型不知道这是 2025 年的价格，但它们知道。它们可以将该屏幕截图与其知识库进行关联。然后它们所预测的任何内容，都将利用它们内存中已有的知识库。所以它看起来会非常像，“看，ChatGPT 能够预测市场，它不知道背景，它不知道等等等等。”但它不能。它实际上是在利用数据泄露。这是一个问题。这不是真实的表现。如果您想做……即使您下载了大型语言模型，例如，如果您下载了 Facebook 的 Llama 或任何开源模型，然后用它来训练，现在您可以说，“哦，这不是我的本地……但仍然是一样的。因为只要您使用它们的开源权重，您就是在输入未来信息。除非您从头开始训练这些模型，而大多数人做不到，因为它太技术化了，您需要大型计算机，您可能需要一百万美元才能完成训练。所以除非您从头开始做，否则您无法依赖它。我敢打赌，这些预测在真实市场中会失败。如果您押注于此，您就会亏损。绝对。您谈了很多关于人们将人工智能视为黑箱，而不真正理解它是如何运作的，以及如何真正训练人工智能。您想更深入地谈谈它是如何运作的吗？现实情况是，由于 ChatGPT 和其他大型语言模型的最新兴起，人们现在说人工智能。所以对他们来说，这就是人工智能。所以当他们说我们正在使用人工智能时，他们基本上是在使用这些在线模型。而使用真正的人工智能是困难的，您需要大量的训练，您需要花费大量时间来真正训练一些算法来预测某些东西。所以这些模型，尤其是在线模型，它们是……我不会说您依赖它们的预测，因为您没有进行适当的回测，而且您无法使用这些在线模型进行回测，因为您无法回到过去，而不会遇到数据泄露问题。所以除非您拥有在本地运行的模型，并且不暴露于未来数据，这是一个大问题。您需要确保您没有这样做。然后您进行回测，一旦您从这些回测中获得结果，您就有了置信度得分，您有了概率得分，然后您就知道它们在真实市场中可能表现得有多好。您需要什么样的置信度水平才能继续使用这个系统？我寻找两个主要指标。有很多，但对我来说是……对不同人来说可能不同。但对我来说，主要的是盈利能力和回撤。我寻找的概率得分最低要大于 0.8。也就是说，算法有大约 80% 的把握认为这将会发生。有时，您知道，算法甚至以 51% 的把握进行预测。那么至少您会知道，算法在预测时并不真正自信。所以这就是为什么了解概率得分和置信度得分，模型对某事的信心有多高非常重要。所以在回测期间，我关注回撤，这将告诉我您可能损失多少钱。这意味着，如果您的实际交易出现问题，那么您就知道在哪里应该停止。可能有什么东西出了严重的错误。所以回撤会告诉您，在最坏的情况下，您可能会损失这么多钱。概率则取决于您。但我希望我的算法至少能产生 70% 到 80% 的年回报率。是的，世界上最好的基金，比如西蒙与吉姆的 Medallion Fund，他们每年都能赚取 50% 到 60%。所以如果我有一个算法，其概率得分和置信度得分大于 0.8，即使是 70% 的回报率，我也会很高兴，加上或减去 60%，那么我就乐于在真实市场中尝试这些算法。但是，您知道，许多人以每月 10% 到 20% 的回报率为目标。我认为这很难实现。这是可能的，取决于您想承担多少风险。所以有一件事我想让人们认识到，如果您用 10 万美元交易，并且想赚 10 万美元，那么您至少准备好损失 5 万美元。您至少应该准备好损失一半。所以如果您愿意承担这种风险，那么是的，就去做吧。所以每个人都应该了解自己的风险承受能力，我们想承担多少风险。还有一件事我真的强调的是，用 1000 美元交易和用 10 万美元交易的体验是不同的。将 1000 美元变成 2000 美元，您可以做到。是的，可能可以。您过去可能也做过。但将 10 万美元变成 20 万美元真的、真的很难。这并不需要同样的努力。您可以分享您的经验。所以这些市场，它们不是线性相关的。我想说的是，如果您有一个在 1000 美元上表现良好的算法，不能保证它在 10 万美元上也能表现得一样好。因为一旦您进行大额交易，您就会扰乱市场。而且那里有做市商，还有许多交易员，他们操纵市场。许多经纪商操纵市场。如果您是一个大交易员，他们可能会让市场朝着不利于您的方向发展。这是人们没有真正意识到的事情。一旦您有了一个有效的系统，您还需要对其进行一些额外的工作吗？您是否需要再次对其进行处理？还是它会永远运行并起作用？是的，您需要持续监控系统。我花了多年时间来开发一个能在不同时间框架、不同资产类别、不同金融市场中运行的通用算法。但至少我没有成功。所以我学到的是，您必须为特定的资产类别、特定的时间框架开发算法。并且需要对它们进行微调，当您觉得它表现不佳时，需要重新审视它们。这就是为什么您需要了解您的回撤，您的历史回撤，以及您的算法可能损失的金额。您需要知道这一点。如果算法突然崩溃，那么您就知道您不应该损失那么多钱。然后您可以停止思考，检查您的算法，检查市场。可能有一些事件发生，就像最近一样，我们看到了一些非常、非常糟糕的事情发生。比如在乌克兰战争期间，人们损失了很多钱，因为发生了不应该发生的突发事件。甚至在乌克兰战争前一天，俄罗斯还在说，“我不会入侵。”所以交易员并没有为此做好准备。所以如果您的算法突然损失了一些钱，而它不应该损失那么多，那么至少您就知道了。然后您可以回去，查找基本面，基本面是否发生了变化，是否有重大新闻发生。突然特朗普下台了，或者国家入侵另一个国家。这些重大新闻会对市场产生重大影响，无论对某人来说是好是坏。所以是的，您的问题的答案是，需要持续监控和持续微调、改进。很多人在想到算法时，认为它们只是编码，交易中没有情感。让他们轻松地让它运行。情感对您交易算法和人工智能的结果有多大影响？您是否觉得它有影响，即使一切都已编码，还是完全不存在于您的脑海中？是的，这是我实际上建议人们转向算法交易的主要原因之一，因为这些情感和情绪。我过去有很多例子，我给了人们非常严格的指示。他们为我进行交易。您不应该损失那么多，这就是您进入的方式。但总有一些情况是他们没有遵循这些规则，而是遵循他们的情感。他们有时是正确的，这就是他们不遵循命令的借口。您看，市场朝着我的方向发展。如果我在这里停下来，我就会损失这笔钱。现在市场回来了。现在我赚了这么多钱。所以那种情感和那种跟随你直觉而获得的奖励，是一种陷阱。我见过，至少对我来说没用，我见过我认识的任何人，对他们来说都没用。但如果他们转向算法交易，对大多数人来说都会奏效。那么您就摆脱了情感，您有一个严格的算法，然后您知道您的界限。再说一遍，我一遍又一遍地回到同一个问题。基本上，您就知道您可能损失多少钱。如果您的算法损失了那么多钱，那么您仍然可以坐下来，放松，因为您知道了。您已经从心理上接受了这一点，是的，这笔钱可能会损失。但如果损失超过了这个数额，那么您就可以停止它，您可以重新审视它，您可以进行微调。但我建议不要带入情感。如果您需要更改算法，那么您就回到同样的练习，进行所有回测，进行所有改进、调整，等等。然后您再将其应用到市场上。您同时能运行多少个算法？您对此有限制吗？还是只是基于您开发和想出的东西？不，您可以运行任意数量的算法。但基本上，我有两种算法。一种用于趋势市场，一种用于震荡市场。我建议那些已经在这个领域的人，不要为所有的算法使用同一个经纪商。因为要抓住经纪商做坏事非常困难。但我可以非常自信地说，我对此做了很多研究，我可以自信地说，大多数经纪商都会做坏事。他们操纵市场。所以不要让您的所有算法都运行在同一个经纪商那里。分散您的资金，不同的交易所，不同的经纪商，并拥有不同的，比如可能是同一个算法，但在不同的经纪商那里有不同的账户。如果您在加密货币领域，则在不同的交易所。您是否发现所有经纪商都擅长运行算法？还是有某些经纪商因为执行时间等原因而无法很好地工作？您是否看到这方面的问题？我不想点名赞扬或批评任何特定的经纪商。这主要是您的语言偏好。我喜欢使用 Python。如果交易所或经纪商支持 Python 的直接集成，那对我来说就很好。如果您使用 MetaTrader，如果经纪商不提供 MetaTrader，那么是的。我知道还有其他一些平台。人们使用 NinjaTraders、CTrader，还有很多其他的。所以，是的，这取决于……但我认为最近 Python 正在变得越来越普遍。Python 的好处是，您有能力切换交易员。一些交易员，比如经纪商，我的意思是。所以一些经纪商有自己的专有软件，如果您用该软件编写了算法，那么您就与该经纪商绑定了。但如果您有一个用 Python 编写的主要算法，那么许多经纪商都支持它。而且越来越多的经纪商进入市场支持 Python，我认为这很好。学习这门语言很有好处。我更强调语言而不是经纪商。Python 可能是当今的首选语言。我认为这方面太深入了。我认为人们会有点困惑，但很高兴能谈论人工智能和算法。我们非常感谢您为听众付出的时间。我认为人们会有一些问题。他们可以随时在下面评论问题。我们会把您的论文详情放在下面，这样人们就可以联系您，了解更多关于您研究的内容以及人工智能在交易中扮演的角色。所以这对您来说会很好。我想感谢您，Matlub-Koushi 博士，并期待将来再次与您讨论。感谢您的邀请，Etienne。