2010 年的时候，出于兴趣，我开始用进化算法和神经网络做股市的预测，全自动设计网络结构和各类参数，可以说是国内做 AI 量化，乃至 AutoML+量化的最早的人。其中一个实验是拿道琼斯指数 1930 年到 2010 年的历史，拿 60 年做训练，20 年做测试，用 AI 做双边交易可以做到带杠杆 40%左右的年化，不带杠杆 12%左右的年化（基线 7%）。当时我自己用它赚了几年的生活费。简单介绍一下当时所做的工作：
- 金融 Survey：看了上百本金融相关的书，搞明白了市场运作机制，和一些投资、投机者的基础逻辑
- AI Survey：看了当时几乎所有的中文 /英文相关的材料，发现没有一个人有公布真正有效果的方法
- 数据：基于 Matlab 里的 Java 虚拟机，写了对指数和部分股票的爬虫（ Yahoo/Google/新浪 金融板块）
- 特征：基于简单数学做了 40 多个母指标，几百个子指标，都是纯技术指标
- 模型：用了 LR/SVM/MLP 来做基础模型，RS/GA/PSO/ABC/ACO 等算法来做搜索模型
- 超参：各个模型的基础超参、模型深度、模型宽度、指标参数、滑窗参数
效果也很明确，在道琼斯指数上单纯预测涨跌，可以做到 65%左右的准确度；在其他几个市场也都有显著效果。其中的思路到现在来看，可能都还是最先进的。如果有机会，我很想做一个中国的大奖章基金。但我觉得可能现在机会不大，就分享下我自己的思路想法吧。
那时候我所做的技术现在部分沉淀到了我们的这个开源项目里，也欢迎大家试试：
9
Select Language