這是一個很有意思的課題，
之前我們分享的更多是“被動”投資邏輯，就是不預判市場，只考察投資標的的風險收益屬性，以及自己的風險偏好、預期收益，然后借大類資產配置，做好風險資產定投、止盈、再平衡等等，
塔勒布在《黑天鵝》里提及的“杠鈴策略”，
最優的方案是，把大部分的資產配置在低風隙訓無風險區，確保安全，而少部分的資產可以嘗試高風險高收益，博取一個可能性，
被動投資策略，我們需要做的事情不多，關注一下市場大面估值，以及持倉標的是不是有基金經理變更，暴雷等風險項即可，調倉的頻率也不高，
我們可以有更多的精力可以投入到高風險、高收益的主動管理中，
業內公認有效的主動資產管理有兩類：一是價值投資；二是量化投資，
價值投資以巴菲特為代表，就是找到好公司，在適當的價格買入，長期持有，這個要求花大量的精力去研究公司、研究行業，持續跟蹤，客觀講，散戶得到的資訊都是N手之后的，也沒有上市公司調研的機會，普通人看看財報，聽聽分析師報告，這個資訊對于投資而言用處有限，
普通人更適合的投資策略是量化投資，
量化投資有點近似被動投資，最傳統的技術分析策略，當某幾個條件滿足時就買入或者賣出，而不是人為判斷的“油少許，鹽少許”，
科學是可以證偽，而量化可以證偽，所以量化是科學，
我們常把不可描述之物稱之為藝術，藝術是存在的，投資也存在藝術的部分，這也是投資好玩的地方，
但圍棋的藝術性已經被冷酷的alpha go的科學性所拿下，
所以，藝術到科學，也可以指望科學的進步，
歸結起來一句話，我們要開始進入“主動投資”里的AI量化投資系統了，
第一步，需要打造一個可以支撐智能演算法的研究的系統，
第二步，如何挖掘因子、構建策略，
第三步，風控，
第四步，實盤，
調研了一圈，微軟亞洲研究院的Qlib作為基礎平臺非常合適，
傳統的回測系統，像pyalgotrade, backtrader是為技術分析型量化投資而來，如果要同時計算3000支股票、300個因子，那么它的性能本身就無法支撐，而且代碼也不可維護，
另一個選擇就是類似quantopian這樣的線上化平臺，像bigquant也是人工智能賦能投資，線上平臺優點是資料不用自己管，專注寫策略就好了，但如果你要擴展因子會比較麻煩，另外就是策略安全性了，
平衡下來，Qlib的思路與bigquant很類似，而且有微軟做支持，專案活躍性不錯，代碼寫得簡潔易懂（backtrader的代碼，使用了太多的元編程），
所以有代碼都在github開源，歡迎大家star，fork，并歡迎任何意見或建議，
剛搭建好gui界面框架，后續要從資料準備，特征提取與資料標注，策略構建或模型訓練，回測與績效評估，
在此之上，更多的努力還在于對投資的理解，找到更多更好的資料來源，構建更好的因子或策略，
總之，主動投資管理，以量化為趨勢，量化以智能量化為進階選擇，
如昨天所說，智能化、金融投資都是長坡厚雪，值得踐行長期主義，
轉載請註明出處，本文鏈接：https://www.uj5u.com/qukuanlian/318054.html
標籤：區塊鏈