棋手柯洁研究了大半年的围棋软件,竟然发现人类关于围棋的认知“全都是错的,……甚至没有一个人沾到围棋真理的边”。
而在投资上用了人工智能后会我们发现,人类过去关于投资的认知也可能都是错的
用户小a从事量化投资快三年了,在我们的平台上,做出了非常漂亮的结果,符合他过去的经验逻辑,但效果远超过自己过去的成果;后来 他随便选了一个因子——上市天数,最后发现该因子开发的策略效果很好。
于是他给我们反馈一个很奇怪的问题,为什么 只选择 上市天数(list_days_0),也会有好的收益。他觉得非常不可思议,是不是哪个地方出了问题。
我们看了他发过来的收益曲线,有收益,但波动率也很大,坦白地说,那并不于是一个好的策略,但的的确确是一个有显著正收益的策略。
事后分析,该策略收益主要来自两个方面:
- 市场部分,回测期间有一段市场上涨明显
- 上市日期天数:这个因子可以区分次新股和非次新股,推测收益来自次新股期在此期间有较好表现。后面的分析,确认AI发现了这种模式,但即使经验丰富的小a也很难用这个简单的因子做出这样的效果 -- AI发掘出了因子的能力上限。
为了进一步确认和验证,我们也做了这个实验。
我们首先看了模型里的 因子贡献,确认只有上市天数(list_days_0)这个因子,并且确实有贡献
我们来打开AI的黑盒,看看机器发现了什么规律。
从下图可以看出,机器学习算法从历史的数据中,学习到上市天数(list_days_0)和收益有负相关关系,在回测中会推荐上市天数更小的股票。细想一下,该策略推荐买入上市天数较短的股票,这其实本质类似次新股策略,专业金融量化人员都知道,这一两年次新股策略本身效果就很亮眼。次新股策略也是很多私募团队资产配置的一个策略,只是一个新手要认识到这一点可能需要1-3年时间,而要做好这个策略,可能需要更长时间。
全部代码 点击这里