年化收益35%，持续30年，AI量化为何能够超越巴菲特？ 转载
在继续《跟我学AI量化交易》之前，谈点题外话：股价的涨跌是可以预测的吗？
股价的涨跌预测一直是一个令人众里寻他千百度的热点话题。微博、头条大v和各路老师每天乐此不疲，为各方韭菜供给养分。然而，股价真是可以预测的吗？
开写《跟我学AI量化交易》，也必须回答好这个问题。如果股价不能预测，这个开题就没有必要；如果股价可以预测，为什么连证券公司的某首席科学家都一直在出错？
我们认为，股价运动像万物运动一样有其规律，也遵循这个世界的普遍自然规律和经济学原理：
惯性定律
也叫牛顿第一定律。这一规律本身是关于机械运动的，它指出任何物体都要保持匀速直线运动或静止状态，直到外力迫使它改变运动状态。在证券交易领域，惯性定律是指任何股价运行的趋势一旦形成，它都要保持这种趋势运行，直到被强有力的外力改变。
惯性定律是量化交易得以成立的关键所在。走势很难预测，但如果趋势一旦成立，都必然会继续运行一段时间的话，那么通过量化交易迅速发现这个趋势并买入，并在趋势刚刚改变之后立即卖出，则可以比较确定地盈利。
钟摆定律
法国先贤祠的福柯摆，证实了地球在自转
自然世界中有很多运动都是周期往复的。实际上几乎所有的运动的轨迹，都可以通过不同频率和相位的正弦波叠加出来，而正弦波就是一个围绕中心点、周期往复的运动。
在允许投机的市场，价格并不必然等同于价值，但必定以价值为中心点进行上下波动。价格离价值中心越远，回归价值中心的力量就越强。
在股价预测当中，除了惯性定律，也要注意钟摆定律。当股价沿惯性运行到一定位置，远离其价值中心时，就产生了反方向的作用力。价值中心在哪里是一个很难测量的属性。在长线交易中，我们可以使用证券的PE及其变种来推算；在短线交易中，我们可以使用各种对应的均线来近似。
混沌效应
证券价格沿时间线的变化构成时间序列，时间序列分布遵循分形分布（【资本市场的混沌和秩序：一种关于周期、价格和市场波动的新观点 】，Peters等，1996年）。在处于平衡态的时间序列上，小级别的分形形态改变，将可能引发大级别的趋势改变，也即混沌效应。
在量化交易策略中，要特别注意小级别的分形形态的改变对大级别趋势的引领作用。比如，日线级别的下跌，可能是由30分钟级别的滞涨和拐头引起的；老股民所熟知的长上影线出现后，可能导致激烈的洗盘，其实就是在更小的级别上，出现了向下的趋势。及时捕捉到小级别上的变化并退出市场，就可以避免更大的损失。
混沌效应是量化交易中我们唯一可以做"预测"的地方。即通过小级别周期已经发生的历史事件，来预测大周期未来可能发生的事件。
了解了上述左右股价改变的基本原理之后，我们还要从操作层面，了解人的行为对股价的影响：
测不准原理(uncertainty principle)
测不准原理是物理学家海森堡于1927年在论文《论量子理论运动学与力学的物理内涵》中提出来的。它在量子力学里的解释是，粒子的位置与动量不可同时被确定，位置的不确定性越小，则动量的不确定性越大，反之亦然。对于不同的案例，不确定性的内涵也不一样，它可以是观察者对于某种数量的信息的缺乏程度，也可以是对于某种数量的测量误差大小，或者是一个系统的类似制备的系统所具有的统计学扩散数值。也就是说，尽管我们较少听说测不准原理在量子力学以外的广泛应用，其实这条原理也是适用于其它领域的。
实际上，在任何交易领域，都适用测不准原理。比如，你可以预言股指会运行到某个点位，但点位越精确，则对到达该点位的时间的预测就越不精确。
测不准原理在量化领域会导致策略使用的人越多，就越容易失效。如果借用量子物理的术语，把借量化策略参与交易的人称作观察者的话，那么显然同类的观察者越多，他们对被观察标的的扰动也就越大，因此越不容易观察到目标的本来面目。
这一规律对量化交易者的启示是什么呢？每一个有效的量化交易策略都必须严格保密。一旦扩散出去，利用该策略进行交易的人多了，该量化策略原先基于的各种先决条件就不再存在，因此量化策略也将失效。或者说，对同一量化策略，其操作的资金量必须进行限制，以免对市场产生扰动，从而破坏了量化策略本身的先决条件。
羊群效应
在投资市场中，大众的资金总是被少数有领导力的资金带动。这些大资金有更好的消息渠道（合法或者不合法)。他们得到消息后，进行预判，并通过操作来影响市场大众的判断，从而最终影响股价的波动。这些影响就是改变惯性运动的外力。
到此为止，左右股价运行的基本原理就介绍完毕。
如果左右股价的基本原理都已发现，为什么到目前为止，仍然不能像欧几里德建立他的几何王国，牛顿预言行星的运动一样，预测股价的波动呢？原因也正在这些原理本身。
首先，测不准原理告诉我们，一个好的策略一定是不为大众所知的。所以，即使有一个好的数学方法，一旦它得以公开，就基本失去了作用。一些经典的技术指标现在之所以用得越来越少，这是原因之一。
第二，当新的消息（外力）出现时，股价会出现突变，从而构成数学上的不连续性。一个不连续的系统是不可微的，也难以使用经典的数学分析方法来分析。一个例外是近来比较流行的策略是动量策略，它本质上是对惯性定律的使用，也只在短时间内有效，需要根据行情的演进不断地修正预测。
第三，在大数据和人工智能出现之前，预测股价还存在算力上的不可行。由于机器学习可以从数据中学习特征，因此可以及时跟上市场的变化。而传统的分析方式需要依靠人工观察市场变化，提取市场特征。一旦某种市场特征被观察到进入应用，很快又会因为测不准原理而失效，所以量化方法还不能占据主流。牛顿曾经在投资南海公司失败后喟叹，我能计算出行星的轨迹，却无法计算出人心的疯狂。这也说明经典的数学分析方法在股市上难以有所作用。但如果当年他就拥有大数据和人工智能加持，或许这位人类最伟大的科学家，造币厂的厂长，还会成为投资界的一个传奇吧？
但是，事情正在起变化。
文艺复兴投资公司旗下的大奖章基金，从1989年成立以来，年化回报率超过35%，远超巴菲特的投资收益。
从海外来看，今年是对冲基金招聘员工创纪录的一年。与过去三年相比，基金经理的招聘数量增加了30-40%。从Point72、Citadel、Millennium、Balyasny和ExodusPoint所有员工在LinkedIn上的注册情况来看，在2020年3月至9月期间，注册员工总数增长了逾500人，增幅为7%，其中ExodusPoint的注册人数增幅最大。
从猎聘的数据来看，国内今年增长也很迅速，呈现招人多，薪资高的现象。这也是与我国资本市场深化改革，即将全面实现注册制和新的T+0交易制度相印证的。
因此，现在正是我们进入AI量化交易的好时机，这也是我们推出《跟我学AI量化交易》的时机上的选择，关注我们，跟上时代，一起进入AI量化交易时代！