终于有人把量化投资讲明白了( 三 ) 导读：股市起起伏伏

其实这都是不现实的，在一些简单的数据处理问题上， AI确实有替代人工的趋势，比如人脸识别。但对于金融投资这一复杂的领域， AI的应用进展其实是非常有限的。很多号称AI的投资基金其实是换汤不换药，本质上还是已经成熟了几十年的量化模型。
AI在金融投资领域最大的问题是，可用的样本数据极其有限，也无法大量生成。股市有多少历史数据，就有多少样本数据，但也只有这么多。
极其有限的样本数据，加上极其庞大的特征维度，是AI在金融预测建模上举步维艰的根本原因。众所周知的是，训练数据是AI的基本养料，数据有限，就会导致模型很难得到大幅度的提升。就那么多有效的因子，大家反复挖掘，失效的速度也越来越快。
虽然笔者是量化投资和金融AI从业人员，但对量化投资或者AI并不存在过高的追捧和期待，我们还是要脚踏实地去解决一些与我们更密切相关的问题。
关于作者：赵志强，金融量化与建模专家，目前在金融科技公司负责金融大数据产品工作，专注于研究Al在金融领域的落地应用。曾在由诺奖得主RobertEngle领导的上海纽约大学波动研究所研究全球金融风险，并和上交所、中金所合作完成多项科研项目。曾在摩根士丹利华鑫基金、明汯投资负责量化投资研究工作，内容包括股票多因子、期货CTA和高频交易等。
刘志伟，在中国银联云闪付事业部从事数据分析、数据挖掘等工作。对自然语言处理、文本分类、实体识别、关系抽取、传统机器学习，以及大数据技术栈均有实践经验。目前正在探索相关技术在金融场景内的落地应用，包括自动知识图谱、大规模文本信息抽取结构化、异常识别等领域，关注人工智能行业前沿技术发展。
本文摘编自《Python量化投资：技术、模型与策略》，经出版方授权发布。

文章图片
延伸阅读《Python量化投资：技术、模型与策略》
【终于有人把量化投资讲明白了】推荐语：理论与实践相结合，基于Python阐述量化投资理论和策略，深入分析Python在量化投资分析中具体的应用案例。