1.2 量化投资专家系统

量化投资专家系统是专家系统的一个分支，也有人认为，量化投资专家系统与数学专家系统一样非常容易获得成功，从两个系统都和数字打交道来看，量化投资专家系统的设计和开发并不是特别困难，但是在具体应用效果上还是存在很大差异的，最终的结果就是量化投资专家系统在大型金融机构中表现良好，而在小企业中表现差强人意。其原因一方面来自于专家的知识库，另一方面来自于专家系统的完整性，因为小企业很难开发和维护一套完整的量化投资专家系统。

从原理上来说，量化投资专家系统并不复杂，以股票投资为例，有的专家认为股票市盈率浮动于行业市盈率±30%是正常的，所以专家建议低于行业平均市盈率10%时建仓10%、低于行业平均市盈率20%时建仓30%、低于行业平均市盈率30%时建仓10%，如表1-2所示。

上述专家其实就做了一件事，这件事就是有限单元法。有限单元法就是把数据分割成我们需要的元数据，这种元数据是一个有限小（记住不是无限小）的数据，就像物质是由原子和电子构成的一样（即便还可以继续往下分，但是不需要继续分了，因为原子和电子已经足够用了），我们需要把各种杂乱无章的数据分割成恰到好处的元数据，然后由这些元数据构成复杂的数据集。

比如，上市公司财报中每笔合同的金额、单位和类型等。

当然，要把这种庞大的数据分割成一个个有意义的数据是一个非常复杂的过程，不仅仅是 NLP（自然语言处理）这么简单，因为还有很多报表和真假难辨的票据合同。有时我们把这种看似连续的数据进行有限的分割是可以通过我们已有的经验来划分的。

比如股票涨跌的幅度，我们分为1%、2%、3%、4%、5%、6%、7%、8%、9%及9%以上10个档位。而这种看似主观的分法又可以分为普通有限元数据（有限条、有限层）、随机有限元数据、模糊有限元数据和模糊随机有限元数据，具体怎么分就看专家的经验了。

另外，在量化投资专家系统中，很多金融模型实际上都是已知的，在真正工作中，我们更多的是让系统进行参数估计和识别，从而达到一定的优化目的。

比如，我们买入一手股票作为输入，股价对应的反应是输出，从而建立一个动态模型，并确定其中的参数，如价格、数量、时间、涨幅、涟漪效果和阻尼系数等。

也就是说，通过已知模型的实测反应来确定某只股票某个时间点的资金承载量。这样做的好处是尽量避免造成股价较大的波动，从而影响股价。

具体方法可以使用表格、代数方程、积分方程等进行表示，这些方法通常还可分为参数模型与非参数模型、线性模型与非线性模型、确定性模型与随机模型、连续模型与离散模型、时变模型与非时变模型等。

至于最终做出的参数估计是否符合实际需求，我们常用的判别标准就是最小二乘法、极大似然法和极大熵法等。

我们知道金融投资都有一定的不确定性，这种不确定性主要是因为缺乏一个可明确定义和评定的标准，因此边界很难界定清楚。

为了减小这种模糊性和不确定性，我们建议把这些数据进行量化，可以说量化是目前量化投资专家系统的一个非常重要的方法，另外一个重要的方法就是机器学习。

本书面向对金融专业有一定了解的开发人员，所以读者最好拥有一定的股票、期货投资交易经验，否则可能会影响进一步阅读和使用。

读者最起码要知道证券交易所、开户银行、交易软件是什么，以及明白股票和期货挣钱的原理。