大家都知道量化投资涉及了很多统计学、数学和计算机科学方面的知识和技术。想要设计一个量化投资模型就要掌握这些知识和一定的运用能力。今天我们就来一起具体看一下到底需要哪些知识技术。
一、数据挖掘
量化投资就是在大量的数据中总结出规律形成投资理念的。这些海量的数据可能是不完全的、模糊的、有噪声的或者是随机的。量化投资可以在这些数据中找到人们并不知道的被隐藏起来的规律性内容,这些都属于数据挖掘的范畴。数据挖掘技术的分类主要包括以下三种:
1)分类/预测
分类是找到一个类别的概念性描述。它主要包含这个类别数据的整体信息。并通过这种概念性描述来构造出模型。一般情况下,可以应用决策或者规则树的相对模式来进行表示。预测即在历史的海量数据中找出规律,并根据规律建立模型。利用这个模型对未来数据的特征和种类进行预测。
2)关联分析
主要是找出两种或者两种以上数据之间存在的某种关系。关联分析主要由时序关联、简单关联以及因果关联三方面组成。找出数据中人们不知道的隐藏的规律是关联分析的主要目的。通常利用可信度和支持度来衡量关联规则的相关性。可能还会假如相关性或者兴趣度等参数。目的是让量化投资模型挖掘出的规律更符合我们的需求。
3)聚类分析
聚类分析的主要原理是找到数据之间的相似性用来判断数据的聚合程度。它可以让同类别中的数据更为相似,不同类别的数据尽可能的不相似。
二、人工智能
相信很多朋友对人工智能这个词并不陌生。并且人工智能已经逐渐应用到我们的生活中。人工智能是依靠计算机进行模拟,人的行为或者思维过程。人工智能主要依靠计算机科学、哲学、心理学以及语言学等内容。可以说是涵盖了社会科学和自然科学。已经不再是简单的计算机科学的范畴。人工智能中很多技术都可以应用在量化投资的分析中。比如神经网络、机器学习、遗传算法或者专家系统等。
三、小波分析
在量化投资中,小波分析主要被用来进行波形的处理。因为行情的走势是波动的,我们可以将每个品种的走势都看做是波形。小波分析可以对波形进行识别、去燥、诊断以及重新构建。