进入2020年，无论是A股的专业投资者，还是准专业投资者，都需要接触量化交易。因为A股正在放开涨跌停限制，交易制度也即将由T+1改为T+0。在新的交易制度下，留给投资者思考的时间更短，而程序交易将有先天优势。甚至对于业余投资者，也可能需要了解一些量化交易，因为量化交易平台将会越来越多，最先上车的投资者必将从中受益。
本文是AI量化交易教程的第一篇。在这部教程里，我们不光讲量化交易，而且讲如何通过最先进的人工智能来学习和理解市场变化，寻找适应于当下市场的最佳交易策略和模型。
全部教程共分两个部分，第一部分是数据预处理，包括如何获得行情数据，如何本地化存储数据，如何进行一些简单的指标计算（如moving average， macd等），如何将行情数据可视化。这一部分是所有的量化交易，无论是否基于人工智能，都需要掌握的基础。
第二部分的重点是如何通过人工智能来学习交易策略。我们将首先介绍一些基础的机器学习算法：我们将使用sklearn机器学习算法库，并且给出一些经验证有效的模型。然后我们将进入深度学习的领域。我们将使用Pytorch和FastAI来构建算法模型，目前已安排的有基于CNN和Transformer两种架构的神经网络模型。
作者正在构建自己的人工智能交易系统，所以用到的代码示例都来自于实战代码，因此这个教程的干货很多。这个教程另一个独特的地方是，作者除了会写代码之外，还有十多年的证券投资经验，所以在本教程中，你也会看到不少证券交易的经验之谈。离开领域知识谈技术，最终都是隔靴搔痒。
现在，窗外夜色深沉。趁着午夜前还有一两个小时，我们赶快上车吧！上车之前，记得买票–关注本号、转发评论都是上车暗号！
要做好交易系统，我们首先必须有准确和及时的数据。至于数据量的大小、实时程度和市场归属，则取决于你的交易类型。一般认为，高频交易是纳秒级的交易，目前在A股并不适用（因为A股有T+1和涨跌停限制）；如果你需要做期货或者数字货币，或者海外市场，才需要考虑高频交易。这部教程的目标读者并不是高频交易者，我们的目标市场是适用于A股的中低频交易，即持仓时间在日线级别。当然，绝大多数内容也是适用于分钟级别的可转债效果，但我目前没有找到好用的免费数据。
用于交易的数据种类很多，主要是行情数据。此外，像中信多空单数据、北上资金流向数据、每周证券开户数据也对市场有较强的影响力，也可能是交易模型需要关注的数据。此外，一些新闻消息类的文本数据，也有比较好的效用。比如之前一些公司配合资金炒作，会通过投资者问答平台放出消息，随后股价出现闪拉。当然现在在打击这种炒作行为。东方财富的股吧有一个热度排名，也有一定的参考价值，毕竟，股价的涨跌是大量资金投票的结果，只有受到关注，股价才能涨起来。文本类数据主要使用爬虫来获取。
行情数据现在比较容易取得，这里主要讲三种方法。
第一种方法是使用pytdx。大家知道通达信是主要的行情数据供应商和股票分析软件供应商。许多证券公司的股票软件，都是基于通达信进行二次开发的。通达信软件早年还提供了插件，供用户获取行情数据。Pytdx就是基于通达信的协议，由作者Rain所做的一个纯Python的实现，可以很好地独立运行在Windows和Linux机器上。
在今年百度网盘外挂事件之后，国内一大批外挂软件都停止开发和维护了，Pytdx也是如此。但之前的版本还可以使用。这里介绍Pytdx，主要原因是很多券商的行情服务器都是通达信的协议，所以你可以同时连上上百台服务器，以最快的速度获得行情数据。当然，仅限于学习目的。如果用于商业目的，肯定是需要经过授权的。
Tushare共有两个版本， Tushare和Tushare Pro，前者是完全免费的，但现在已经不维护了。Tushare Pro有流量限制。
这是由聚宽出品的数据本地化SDK。说是本地化，是相对于它的在线计算平台而言的。实际上这个SDK还是一个在线数据收发概念。即你获得的数据，都无法保存（或者你需要自行设计数据结构来保存）。我们在本教程中，主要使用这个数据源。
现在申请Jqdatasdk，可以登录www.jointquant.com，然后凭手机号注册和申请。每个账号每天可以免费使用100万条数据。这个数据量看上去很大，但实际上是不够的。它的计数方式是这样的，每支证券的每个周期的一个数据样本，算作一条数据。比如你取上证指数最近30天的日线数据，就算30条。现在A股有4000余只证券，如果取1分钟周期数据的话，刚好够取一天（240分钟）。
现在我们来看看，如何通过jqdatasdk来获取行情数据：
这样，你就得到了上证指数最近5天的行情数据。
A股的T+1和涨跌停板制度，是限制算法交易的重要因素。如果把股价看成是一个时间序列分布的话，T+1和涨跌停制度则是在这个时间序列上引入了突变和不连续性。一个有着突变和不连续性的时间序列是不可微的，也因此难以使用经典的数学方法来分析。现在，这两项限制即将去掉，而人工智能的发展，使得我们可以拟合几乎任何函数（即使是分段函数），因此，现在是进入这一领域的最佳时机。
当然，现在还没有对时间和突变敏感的神经网络出现。现有的神经网络并没有时间跨度的概念，它们认为时间是均匀流淌的，或者数据是与时间无关的。但实际上，股价的运行在每一个收盘和开盘之间，都是不连续的，都会受到消息的重大冲击。如何让时间网络能够把这部分影响考虑进去，也是我们研究的方向之一。
联系客服
