回看板
Disp BBS
作者 capita (阿宗)
標題 Re: [心得] AI時代來臨，技術分析真的已經沒用了
時間 Mon May  6 01:28:18 2024

※ 引述《nicefl2001 (@keissendo)》之銘言：
: ※ 引述《nicefl2001 (@keissendo)》之銘言：
: : 透過 AI的深度與機器學習能力，
: : 使其能夠自動適應市場條件，不斷更新、優化交易策略、進行再平衡。
: : AI在投資組合管理方面也展現出卓越的能力，
: : 通過精准地管理和適當地調整投資組合，實現最佳的多元化和風險控制。
: : 目前華爾街許多大型投資機構、對沖基金、法人投行都已經全面導入AI Fintech
: : 演算法程式交易
: 這邊提到的AI演算法量化交易，
: 和大家過去所認知的 "自動化程式交易" 是不一樣的概念
: AI演算法量化交易 (Quantitative and Algorithmic Trading，簡稱 QAT)
: 主要是華爾街如美林、高盛、大小摩等那幫大型機構投行
: 以及中大型像黑石、橋水、文藝復興等對沖基金所使用
: AI QAT演算法量化交易，依賴於複雜的數學或統計學模型，
: 結合類似 Bloomberg Terminal 的雲端大數據來進行大資料分析。
: 其核心在於通過模型去挖掘歷史資料中的規律，並基於這些規律做出投資決策。
: 透過Machine/Deep Learning使得QAT具有更強的資料處理能力和策略優化空間。
: 能隨市場變化進行投資組合調整與再平衡
: 另一種一般人以為的"AI"則是傳統的自動化程式交易
: 使用類似 Multichart/TradeStation/MT5這類下單交易軟體
: 來按照使用者寫好的策略進行自動下單交易
: 不同於 AI QAT 能夠通過機器學習等技術自我優化策略，
: 可以不斷地從歷史資料中學習並調整策略，
: 以提高交易的盈利性和風險控制能力。
: 而傳統程式交易的策略優化與調整
: 則需要使用者手動進行，
: 軟體本身不具備自我學習和調整的能力。

真的不用神話華爾街的中大型機構，他們的績效明明白白的就是那樣，
純粹的量化交易公司通常還是比較強的，但多數的量化交易公司都還在成長的道路上，
小公司佔了大多數。

量化交易的數學模型也不見得複雜，愈是高頻的交易策略愈是簡單，
也更加穩定，但低延遲的軍備競賽卻在不斷拉高成本，
造成的結果是，高頻交易不是穩賺不賠的。

而到了低頻交易，交易策略的開發成本會變高，交易策略的穩定性會變低，
也不是機器就一定比人類強。

總之事情不是那麽簡單的，不然量化交易發展了快要半個世紀，
散戶的世界末日早就來到了。

真正改變格局的，還是算力成本的下降，AI 的優勢也才逐漸增強，
不斷加速交易策略的迭代，不過也還沒有做到隨著市場變化而自動調整，
交易策略的開發，到現在還是主要靠人工，AI 只是輔助，
完全依賴 AI 自我優化策略的全自動化交易，仍然是科幻而不是現實。

這跟全自動駕駛的困境是類似的，或者說所有全自動 AI 代理系統都有同樣問題，
面對未知的情境，我們沒有辦法確信 AI 可以做得比人類還好。

而交易市場比許多其他應用更困難，它是複雜適應系統，或者說是混沌系統，
道路不太會變動，但虧錢的交易策略一定會消失。AI 解決不了三體問題，
AI 也不會是交易市場的必然贏家。

所以現在的問題其實不是 AI, 而是算力成本的下降太快了，
HPC 的衝擊大於 AI 的發展，哪怕只用傳統的市場微結構分析，
算力夠強都可以把低頻策略搞成高頻策略，不用 AI 算法就能獲得優勢，
只是我們現在都混成一談，什麼都說是 AI。

我認為最可能的劇本是，量化交易公司遲早會衝擊傳統的華爾街機構，
甚至讓華爾街改朝換代，而不是華爾街機構用量化交易打敗所有其他人，
傳統金融和量化交易是兩回事，看看現在最聰明的人做金融是去哪些地方就知道了，
從一開始的文藝復興，到現在百花齊放的各個量化交易公司，
這幾年在台灣唸 CS 的畢業首選，甚至已經不是豬屎屋而是 Quant。

而散戶一樣可以依賴價值投資而長期獲利，但傳統的技術分析，
和沒有高算力的程式交易，哪怕用上再先進的 AI 模型，
收益很可能都會逐步遞減，市場波動的多數獲利，最終都由量化交易公司拿走，
然後這些量化交易公司再拚命內卷。


--
※ 發信站: 批踢踢實業坊(ptt.cc), 來自: 114.25.33.32 (臺灣)
※ 作者: capita 2024-05-06 01:28:18
※ 文章代碼(AID): #1cDy6qtv (Stock)
※ 文章網址: https://www.ptt.cc/bbs/Stock/M.1714930100.A.DF9.html
※ 同主題文章:
[心得] AI時代來臨，技術分析真的已經沒用了
05-03 01:52 nicefl2001
Re: [心得] AI時代來臨，技術分析真的已經沒用了
05-03 10:29 nicefl2001
Re: [心得] AI時代來臨，技術分析真的已經沒用了
05-06 01:28 capita
→ alphish: 賺錢就是這麼簡單~1F 05/06 01:34
→ TaiwanUp: 好的 買券商2F 05/06 02:02
推 supertjf: 相當有參考性的見解3F 05/06 02:15
推 huabandd: 高頻交易應該只適用於當沖？對於看消息面的波段交易應該影響不大？畢竟像台積電這種股票高頻交易意義不大，買了放著隨便賺都高過高頻交易，除非交易額度高於本金很多高頻交易才有機會超過買了放著，不過大戶應該是交易額度會跟本金差不多吧？不過高頻交易好處是多空都可以做就是了
要完全依賴AI必須要等到演算法能夠在搜尋到的所有網路資訊交叉判斷何者可信度更高才有機會投入股市要透過AI來作交易操作的話，應該是要能夠在最靠近低點買進，最靠近高點賣出，作空則反過來，在每一次峰值獲利出場，回檔點進場建倉4F 05/06 02:17
推 ProTrader: 我也覺得極短高頻交易跟長期低頻交易是兩個市場
高頻交易的最大利基在於人類眼睛手速完全跟不上
再來是高設備高效能碾壓普通設備
在中長期交易  這樣的優勢其實是不重要的
量化交易是找市場中各種微小的獲利機會
而長期的價值投資的關鍵點則是掌握能未來趨勢
股版的典型範例就是教主買AMD
就算是航海王買航運是波段操作 高頻交易也沒啥優勢15F 05/06 02:39

做一支有較高機率猜對未來漲跌的股票的高頻交易，
跟做一支不知道漲跌的股票的高頻交易，獲利差別是很大的，
特別是高頻交易往往是上槓桿的，即使是微小的資訊優勢，
都會累積出很大的利潤空間。

這也就是為什麼大家做高頻交易，單純拚速度誰都贏不了 Jump Trading,
但 Jump 卻不是賺最多的量化交易公司。

Citadel 什麼週期的交易策略都有，策略的數量特別龐大，
他們就可以依靠長週期策略的因子，來提高短週期策略的利潤，
像是槓桿就可以開得更高。

噓 qoqocat: 夢裡啥都有
華爾街改朝換代我到底看了啥XDDDD23F 05/06 03:26

文藝復興科技就是一個成功例子，量化交易公司的獲利成長比傳統機構高多了，
只是大多數的規模都還不夠大，只有文藝復興科技的成立時間比較早，
已經成為華爾街前十大對衝基金。

其實 Two Sigma 和 Citadel 的規模，也已經很接近文藝復興科技了，
過幾年就應該可以有一些話語權了，在他們後面還跟著一大串。

※ 編輯: capita (114.25.41.188 臺灣), 05/06/2024 04:15:03
→ qoqocat: 兩個問題同一個答案，資本差異過大25F 05/06 04:40

在我小時候，那時微軟和 IBM 差異更大，更上面還有石油公司，
但大家都毫不懷疑微軟終將是世界第一企業。

→ wr: 疑 最強的不是量子基金嗎
喔錯了 是文藝復興的大獎章基金
不過他們自己也說規模不能更大 更大策略就不適用了26F 05/06 06:23

文藝復興的交易策略數量只有個位數，但到了 Citadel 已經是上萬種策略同時運行，
每個策略有容量上限，但策略數量卻可以一直增加。

推 phoenixtwo: 機關算盡太聰明29F 05/06 06:59
※ 編輯: capita (114.25.41.188 臺灣), 05/06/2024 07:06:55
→ egg87346: 只能跟你說技術分析真正賺的是基本面改變的錢 沒有失效的問題30F 05/06 07:13
推 yyhsiu: 主要是文藝復興員工數真的太少 每單位人真的賺爛32F 05/06 08:10
噓 HEINOUS: 很會吹33F 05/06 08:16
推 ProTrader: 上萬種策略? 感覺是用各種參數不同同時上去湊數
類似均線黃金交叉  周 雙周 三周 月 雙月 季.....或是均線黃金交叉+KD 或+MACD 再用不同周期一起上要是用這樣的方法  可以很快衍生策略數量34F 05/06 08:18
→ zzzxxxqqq: 高頻交易跟波段根本兩種東西 trade的概念完全不同怎麼會拿來比較優劣勢
能跟波段比的是量化交易 到底有沒有夠好的因子
可以做較長期的波段
但實務上就是困難 越長期預測能力越爛38F 05/06 08:40

專業的量化交易，可以撿起那些一般人看起來完全沒有用處的因子，
程式跑一年下來，也許就多賺個幾趴甚至更低，可是當這些因子積少成多，
差距就拉開了。

量化交易公司最基本的東西就是因子庫了，長期累積下來，
幾百幾千個經過每日回測分析，證明當下仍然微弱有效的因子，
找其中幾個拼拼湊湊，就可能爆出一個效果足夠好的新策略。

散戶手上沒有這種資源啊，甚至很多人無法想像這種賺錢方式。

另外這也就是為什麼 AI 還不是量化交易的主力的原因之一，
因為整合不容易，大家從因子庫堆積起來的策略開發體系，
跟 AI 不是同一套的，就像 Sora 超強，拿來拍片還是困難。

→ bnn: 上萬種策略如果左手賺右手的錢那沒意義啊
策略數量一直增加 市場沒變大 都妳自己在玩43F 05/06 09:26
推 m180: ai也要看你的演算法寫的好不好，未來不可測，買進並且長期持有大盤etf才是真正的投資45F 05/06 09:43
→ sheng612: 很多人大概不知道 演算法拿來炒股很久了
還有成立相關基金,結果GG47F 05/06 10:05
→ a9564208: 錢多的贏，錢少的輸，錢多的用技術分析買，AI就會依樣畫葫蘆，只是黑盒子讓你看不見他是怎麼做到接近的結果49F 05/06 10:10
推 fatb: 航海王那次算價值投資52F 05/06 10:42
推 Gipmydanger: m180的人設一日三變53F 05/06 11:45
推 atpx: 推分享54F 05/06 12:35
※ 編輯: capita (114.25.41.188 臺灣), 05/06/2024 14:42:48
推 ProTrader: 原po說的因子是類似財金論文的3因子5因子模型?
那些公司用因子排列組合甚至模型也一起排列組合
這樣的話聽起來合理  用大規模搜尋找到一些利基
那以AI來說這種作法是90年代前後的主流
後來還有AI冰河時期  要到金融海嘯後才有起色
接著就是AlphaGo 讓AI再次火熱
簡單說那是早期用人工篩選"特徵"時期的作法
這樣看來 應該是這些量化公司應該會率先導入現代AI畢竟現代AI是技術再升級 相信對那些天才來說不難
而對華爾街投行來說  哪種AI技術都是另一個世界
只過我認為那些量化公司如果完成升級應該不會上檯面會繼續默默賺錢 因為交易賺的錢能贏開課就持續交易55F 05/06 14:55
噓 qoqocat: 拿科技股是啥妖術，我到底看了什麼
*比較
要打太多東西懶得討論，但會信的基本不是傻子就是傻子67F 05/06 16:49
推 oceanasd: 量化交易很久了吧，賺錢的人都默默的在賺71F 05/06 18:45

--
作者 capita 的最新發文:
點此顯示更多發文記錄