机器学习、大数据、云计算会端掉量化宽客的饭碗吗

是 否 +2 论坛币

k人 参与回答

经管之家送您一份

应届毕业生专属福利!

求职就业群

赵安豆老师微信：zhaoandou666

经管之家联合CDA

送您一个全额奖学金名额~ !

立即领取

感谢您参与论坛问题回答

经管之家送您两个论坛币！

+2 论坛币

这个问题加一点，你们认为量化高频还能搞多久？假设统计数学，机器学习本身可以在超级强大的计算能力，以及大规模历史数据下，训练获得非常好的模型，来帮助交易，帮助建立好的策略。那么随着机器学习算法未来的普及化，大众化（要有敬畏之心和，正如以前研发药物需要几个月几年，现在专用计算机，云计算，gpu下可以大大缩短研发时间，所以机器学习算法在未来云计算，摩尔定理可能短期就会有质的突破，届时，一些公司利用这些新的研究成果封装一大堆可配置的交易算法是现实的，或者至少开发机器学习交易算法的门槛变得很低）。那时候再加上超大数据，那么每家机构都可以有很好的交易模型，届时，量化达到一个均衡点，每家机构都是赚很少的钱，支撑生活。这时候量化策略人的饭碗呢？

扫码加我 拉你入群

请注明：姓名-公司-职位

以便审核进群资格，未注明则拒绝

分享0 收藏0 回帖

关键词：机器学习 云计算 大数据 机器学习算法 学习算法

纯粹的数据挖掘式的做法，引入的噪声远远大于引入的有效信息。实际上现在的大部分大数据算法应用还是在推荐算法、群体行为分析以及在金融的贷款违约分析这样的领域。这些领域的特点，基本上是样本容量大，样本可以认为取自同一个抽样分布中。但是对于金融交易领域，这个基本上打交道的时间序列分析。交易领域对于这类分析最大的挑战是我们根本不知道这些历史数据是否可以认为取自一个抽样分布当中。数据本身的不稳定性以及非线性会摧毁任何基于稳定过程的分析努力。