一一中文网

手机浏览器扫描二维码访问

第66章 投资的想法（第2页）

“python量化交易库”

。

信息如潮水般涌来。

他看到了聚宽、米筐这些国内量化平台，了解到tushare、AkShare这些获取金融数据的python库。

他快速浏览着一些开源的基础量化策略代码，虽然那些策略看起来简单（比如双均线交叉），但整个框架——数据获取、预处理、策略编写、回测、可视化——清晰地呈现出一条路径。

“这不就是一个典型的、数据驱动的、可建模、可优化的系统吗”

？林晨的眼睛越来越亮，“市场数据是输入，交易信号是输出，中间的预测模型……不就是我正在学的这些东西吗”

？

区别在于，图像识别训练用的mNISt数据集是静态的、干净的，而金融市场的数据是流动的、充满噪声的、且具有反身性（参与者认知会影响市场本身）。

这非但没有吓退他，反而激起了他作为程序员和初入AI领域者的挑战欲。

更复杂、更混沌，意味着可能存在的“套利”

空间（如果模型真的能捕捉到某些规律的话）也更大？

他点开了一个关于“LStm预测股价”

的JupyterNotebook示例。

代码并不复杂，核心是用长短时记忆网络对历史股价序列进行建模，预测下一个时间点的价格。

回测结果图显示，模型预测曲线与真实股价曲线在某些局部走势上似乎有跟随性，但整体而言，误差依然明显。

“单变量时间序列预测，而且只用了价格……”

林晨皱起眉，下意识地用上了最近学到的分析思维，“特征太单一了。

市场情绪、资金流向、基本面变化、行业新闻、甚至全球宏观事件……这么多因素都没考虑。

这顶多算个玩具”

。

但玩具也是从简单开始的。

他意识到，如果真的想尝试，他需要构建一个庞大得多的特征工程体系。

股价、成交量、各种技术指标（mAcd、RSI、KdJ……）是基础。

或许还可以爬取新闻文本，做情感分析？甚至，他想起了昨天刚完成的计算机视觉项目——能不能用cV模型自动识别K线图的特定形态组合？或者分析上市公司公开的卫星图像，评估其仓储、厂区活跃度？

这个想法像一颗种子，在脑海里迅速生根发芽，枝蔓横生。

每一个枝蔓都指向他最近学到的一项AI技术：NLp处理新闻和财报，cV分析图表和图像，时间序列模型预测走势，甚至强化学习来模拟交易员在动态环境中的决策……

一种奇妙的“连通感”

击中了他。

之前学习的那些看似分散的知识点——神经网络、词向量、卷积层、目标检测——此刻仿佛被一根名为“量化交易”

的线串了起来，指向一个清晰具体、且极具诱惑力的目标：创建一个属于自己的、智能化的投资系统。

这个系统不一定能保证暴富（他理性地知道金融市场没有圣杯），但它代表了一种全新的可能性：用技术构建一个可能产生现金流的“副业”