本公众号所推送的内容经由中信期货授权后发布,均为中信期货已公开的信息,不保证文中观点或陈述的完整性、准确性和更新及时性,且不作任何担保。本公众号所推送文章不构成任何形式的投资建议或销售要约,期货有风险,投资需谨慎。文:中信期货研究
转自中信期货研究所权益研究团队,金融工程团队,新兴研究团队报告
ChatGPT的爆火改变了人们对AI的认知,它的横空出世引发社会热议。ChatGPT在量化投资中能实现什么功能?在AI的浪潮中存在什么投资机会?金融工程团队、权益策略团队、新兴团队邀您共享投资逻辑。
ChatGPT在量化策略中的初步尝试(周通/朱威,中信期货研究所金融工程组研究员) ChatGPT的确在构建各类框架、模型的过程中提供了非常标准化的流程,进而提升了我们使用者在构建策略初期的效率。它可以为我们模型的搭建、策略回测提供非常好的指导和建议;同时在各类细节处理方面,也可基于我们个人的需求,进行定向的更改。缺点也同样明显:它所提供的模型以及方法论仅仅是“空壳”,缺乏具体数据的“投喂”,因此往往是不切实际的;所以单纯依靠ChatGPT构建成熟的量化策略暂时是不可行的。在特征工程、模型参数的调优过程中,仍然需要大量的人工干预。与ChatGPT在期权基础领域的对话(康遵禹,中信期货研究所权益策略组研究员) 在衍生品领域,目前国内金融期货以及期权市场仍处于持续发展逐渐成熟的阶段。随着交易品种不断扩容,从衍生品市场的投资者教育角度出发,市场亟需一个能够整合海量学习资源、同时汲取国内外投资者交易经验的“老师”。路演从期权市场培育的角度,基于ChatGPT在期权基础领域的交互对话展开讨论。整体来看,我们认为ChatGPT模型对于期权基础内容的覆盖是比较全面的,这有助于投资者对于期权市场交易逻辑和分类产生一个全面的刻画,也能帮助编译简单程序。但随着我们对于期权研究需求的深入,对于复杂模型、产品的理解和数据库的构建两方面可能成为AI模型在期权专业领域提供实用性的掣肘。基于深度学习的期货组合优化(周通/盛博文,中信期货研究所金融工程组研究员)ChatGPT虽然可能新,但其背后的大框架“人工智能AI”已在金融量化领域深耕多年。在人工智能AI另一分支——“深度学习”的框架下,我们以期货市场及其量价多因子为基础,将以“组合优化”为目标的凸优化与神经网络结合起来,构建了完整的期货组合量化投资框架。这里的“输入”是期货合约的基础行情数据,通过“构造若干量价因子、神经网络进行量价多因子的提取与合成、可分凸优化层传播梯度来优化期货组合权重、定义期货组合的收益率为损失度(目标)函数、以该损失度来优化整个神经网络等”来生成日频的期货组合权重,此即为“输出”。在合理的参数配置中,模型均能获得较好的收益表现:如每日调仓时,年化收益率约为18%、年化波动率约为5%、夏普率3.49。从科技热点看小盘风格(姜沁/黄舒瑶,中信期货研究所权益策略组研究员)近期ChatGPT等科技热点强化了小盘强势风格,预计后市指数进入高位,公私募仓位高位下增量资金有限,市场面临乐观预期下修,海外重新计价美联储首次降息时点,国内关注风险偏好负向扰动,因此短期大盘股估值因美债利率上行而承压,小盘股面临资金止盈压力。ChatGPT背后的AI行业分析(姜沁/黄磊,中信期货研究所新兴组研究员) 2022年是AI供给端长周期拐点。以ChatGPT为代表的生成式AI应用出现,预示AI新周期到来。上轮AI周期起始于2016年,主要是分析式AI技术开始全面爆发,全球AI市场规模从2016年的约600亿美元发展到2021年的近3000亿美元。本轮周期将由生成式AI引领,AIGC驱动AI市场规模步向万亿美元。短周期关注上游算力相关板块,市场对应用层的认知需要纠偏。ChatGPT仍存在问题,导致其短期大规模商用难度较大,百度文心一言的效果恐不及预期。AI新周期将带来新一轮算力投资周期,AI基础层优于AI应用层。国内外各方纷纷表态将加大算力投资,各大厂商资本开支陆续落地,传导到硬件厂商(核心是AI芯片)的时间不会很长。后续随着算力成本不断降低,生成式AI产业有望形成良性正向循环,应用层面出现大爆发。风险点:模型失效,历史数据回测不代表未来,AI发展进度不及预期,GPU新品拓展不及预期,芯片流片问题加剧,美国就业超预期强劲,资金利率持续收紧
一、ChatGPT在量化策略中的初步尝试(周通/朱威,中信期货研究所金融工程组研究员)
ChatGPT(全名:Chat Generative Pre-trained
Transformer),美国OpenAI 研发的聊天机器人程序 ,于2022年11月30日发布
。ChatGPT是人工智能技术驱动的自然语言处理工具,它能够通过学习和理解人类的语言来进行对话,还能根据聊天的上下文进行互动,真正像人类一样来聊天交流,甚至能完成撰写邮件、视频脚本、文案、翻译、代码,写论文等任务。ChatGPT在量化中的运用:2. 如何有效的评估因子,并使用Python实现;我们向ChatGPT提出了更详细的需求,包含语言(Python)、包(gplearn)、算法(遗传规划)、标的(IC)、 以及目的(挖掘择时因子)。ChatGPT给出了非常详细的具体步骤,依照该步骤我们可以挖掘出相应的因子。下一步我们向它提出具体代码的需求,观察ChatGPT是否如我们所想能提供相应的挖掘因子框架。 如我们所料,ChatGPT提供了每一步的详细代码,从数据准备到分析结果。 ChatGPT提供的代码较为简单粗暴,并未对样本的空间的选择以及超参数进行优化。我们尝试尽可能少的对ChatGPT所提供代码进行人工干预,目的是探究ChatGPT所提供的代码能多大程度帮助我们构建量化策略。 ChatGPT十分智能,它能“记忆”过去与我们产生的对话,并基于此给出答案,这在其他搜索引擎上是无法实现的。 但它所提供的交易策略是简单且无法直接用于择时的。至此,ChatGPT已经完成我们的需求,但我们仍需进行一些简单的修改以完成可以实现的量化策略。总结:ChatGPT的确在构建各类框架、模型的过程中提供了非常标准化的流程,进而提升了我们使用者在构建策略初期的效率。它可以为我们模型的搭建、策略回测提供非常好的指导和建议;同时在各类细节处理方面,也可基于我们个人的需求,进行定向的更改。缺点也同样明显:它所提供的模型以及方法论仅仅是“空壳”,缺乏具体数据的“投喂”,因此往往是不切实际的;所以单纯依靠ChatGPT构建成熟的量化策略暂时是不可行的。在特征工程、模型参数的调优过程中,仍然需要大量的人工干预。风险点:模型失效、历史数据回测不代表未来。
二、与ChatGPT在期权基础领域的对话(康遵禹,中信期货研究所权益策略组研究员)
路演分别从期权基础、量化模型以及策略实操三个角度,与ChatGPT模型进行期权基础领域的交互对话,并基于结果展开讨论。一方面,借助AI热点,我们对期权基础知识策略进行回顾;另一方面,我们也在探讨ChatGPT是否帮助我们实现期权系统性学习的资源整合、以及为投资者的期权交易提供实质帮助。1、在期权基础知识部分:ChatGPT对期权的定义、要素分类介绍得比较完善;但问题在于AI语言处理和期权概念可能出现不匹配的情况,举例来说,AI可能把某一类型期权特征,错误地当成所有期权的特征,并在回答的过程中没有进行分类讨论。2、在量化模型与数据部分:ChatGPT有能力处理模块化的期权代码;但在面对稍微复杂的定价和对冲模型时可能失效(推测原因可能是市场关于复杂期权模型和产品的文字描述较少)。ChatGPT在跟踪期权数据上的表现并不能令人满意。3、在期权策略和实操部分:ChatGPT的分类依旧清晰,在偏主观的问题中给出有参考意义的思路,并且可以向具体公式以及量化编程方向继续延申。整体来看,我们认为ChatGPT模型对于期权基础内容的覆盖是比较全面的,这有助于投资者对于期权市场交易逻辑和分类产生一个全面的刻画,也能帮助编译简单程序。但随着我们对于期权研究需求的深入,对于复杂模型、产品的理解和数据库的构建两方面可能成为AIGC类模型在期权专业领域提供实用性的掣肘。风险点:模型失效风险
三、基于深度学习的期货组合优化(周通/盛博文,中信期货研究所金融工程组研究员)
多因子策略是量化投研领域的经典策略之一,其在多类别金融市场均受到长时间的研究与应用;而无论何种市场,标的资产池的权重配置在多因子模型中扮演了“决定策略收益稳健性”的重要角色。因此,组合权重优化是多因子模型的一个重要课题。聚焦到期货市场,经典的多因子研究包括alpha因子的挖掘和期货组合权重优化计算。市面常见的逻辑认为:任意期货都同时暴露于多种不同的风险因素下,这些风险因素的共同作用形成了期货合约价格的波动;通过对不同的风险因素以alpha因子的形式来有效刻画,我们可以实现对期货收益率的分解,从而研究期货合约价格波动的原因;此外,最优的投资组合则应当是经过“剔除其余不稳定的因素干扰、充分暴露于alpha因子、并一般通过凸优化方法将对收益率的预测转化为组合权重”等这样若干步处理后的结果;这些步骤中也涉及到一些针对于组合权重的约束条件的设置。而本报告区别于上述经典逻辑,尝试了基于“深度学习”的组合优化方法,这一尝试的出发点是近期热点ChatGPT带来对人工智能AI新一波狂热的关注。但我们也应认识到:ChatGPT虽然可能新,但其背后的大框架——人工智能AI已在金融量化领域深耕多年,我们对此并不陌生。因此,在这新一轮狂热的未知氛围中,我们有必要以AI的另一分支——“深度学习”落地于期货市场的一个具体量化实践为例来了解一下最新的成果,从而知道如何更好的进化手头的量化工具与策略,继往开来。本次报告以期货市场及其量价多因子为基础,将以“组合优化”为目标的凸优化与神经网络结合起来,构建了完整的期货组合量化投资框架。这里的“输入”是期货合约的基础行情数据,通过“构造若干量价因子、神经网络进行量价多因子的提取与合成、可分凸优化层传播梯度来优化期货组合权重、定义期货组合的收益率为损失度(目标)函数、以该损失度来优化整个神经网络等”来生成日频的期货组合权重,此即为“输出”。在合理的参数配置中,模型均能获得较好的收益表现。如每日调仓时,年化收益率约为18%、年化波动率约为5%、夏普率3.49。风险点:资产配比和模型应用仅为回溯举例,并不构成推荐建议。
四、科技热点看小盘风格(姜沁/黄舒瑶,中信期货研究所权益策略组研究员)
近期ChatGPT等科技概念在权益市场同样受到关注,年后92只涨停连板个股中有16%涉及ChatGPT、AIGC、数字资产等科技概念,最高贡献7连板,强化了小盘强势的风格。从科技热点出发分析小盘占优的持续性,我们认为后市指数进入高位,资金热度退潮,关注海外非农数据超预期和国内资金止盈等负反馈压力。首先,简单回溯下春节以来小盘成长风格收获超额的原因,主要有四大驱动力。一是市场风险偏好回升叠加人民币升值,吸引外资积极买入,加仓偏好成长资产。二是地产链炒作结束,年后商品市场大跌,卷螺差重回上行,春节返乡购房“小阳春”证伪,计价地产弱修复。三是 1月社融数据总量超预期,新增人民币贷款增量由企业部门贡献,而居民部门拖累,显示消费和地产修复高估,信贷
资源集中刺激方向是制造业。四是恰逢数据真空期,“稳增长”政策预期较强,地方两会指引的产业政策偏好高端制造,利好国产替代、专精特新等小盘成长概念。展望后市,修复趋势进入高位,预计大盘股估值端承压,小盘股面临资金止盈压力。总量维度,资金仓位暗示增量有限,上行动力减缓。一是私募和公募加仓意愿下降,年前百亿私募仓位已回升至八成以上,公募22Q4仓位均值升至90.47%,处于历史高位。二是担忧杠杆资金见顶,融资余额仍在提升,但融资买入额/市场成交额已创2022年4月以来新高并中枢下行。风格维度,大盘股受美联储政策和海外交易行为的扰动较大。资金面上见到陆股通净流入放缓,且外资重仓股跑输Wind全A,究其原因是海外资金正对美联储首次降息时点重新计价。2月以来公布的非农就业、CPI、PPI等经济数据反复验证美国服务通胀的强粘性和衰退斜率缓于预期,叠加美联储多位官员“鹰派”发言,引导市场纠偏对降息时点的过度乐观预期。多资产价格已开始反映该趋势,如美元指数回升、人民币汇率回贬、美债收益率上行、美股指数周度下行,压制估值端锚定美债利率的A股大盘风格。该趋势在短期面临催化,一是下周即将公布2月非农就业数据,二是近期标普短期期权持仓量快速增长,有大额交易押注美股短期波动率放大,一旦美股下跌,或引发滚雪球式自反馈。其次,小盘股受国内风险偏好负向影响,一是新能源、储能行业出现事件利空,鉴于新能源赛道与中证1000关联性较强,小盘资金或集中兑现利润;二是两会临近,政策乐观预期向下修正,如2月降息预期落空,市场担心政策炒作资金止盈离场;三是中伊联合声明加剧了地缘政策的不稳定性,进一步压制股市偏好。风险点:美国就业超预期强劲;资金利率持续收紧
五、ChatGPT背后的AI行业分析(姜沁/黄磊,中信期货研究所新兴组研究员)
ChatGPT(Chat Generative Pre-trained Transformer)是基于GPT-3.5的聊天机器人,主要优势在于参数量大和奖励模型强化学习。ChatGPT上线5天即突破百万用户,2个月突破1亿用户,打破多项纪录,成为现象级的产品。以ChatGPT为代表的生成式AI应用出现,预示AI新周期到来。上轮AI周期起始于2016年,主要是分析式AI技术开始全面爆发,全球AI市场规模从2016年的约600亿美元发展到2021年的近3000亿美元,具体应用包括推荐算法、计算机视觉、自然语言处理等,孕育了如字节、亚马逊、商汤等一系列大型企业。本轮周期将由生成式AI引领,AIGC驱动AI市场规模步向万亿美元。2022年是这轮供给端长周期的拐点,未来将形成良性正向循环。算力成本仍然较高,市场对应用层的认知需要纠偏。1.ChatGPT仍存在问题,导致其短期大规模商用难度较大,具体原因包括:1)算力成本;2)联网技术;3)准确性问题;4)伦理法规问题。2.百度文心一言的效果恐不及预期,具体原因包括:1)市场高估ChatGPT;2)中文语料质量问题;3)Backbone问题;4)后处理问题。AI新周期将带来新一轮算力投资周期,AI基础层优于AI应用层。国内外各方纷纷表态将加大算力投资,各大厂商资本开支陆续落地,传导到硬件厂商(核心是AI芯片)的时间不会很长。后续随着算力成本不断降低,生成式AI产业有望形成良性正向循环,应用层面出现大爆发。AI芯片三条路径,短期看好通用GPU,中长期不确定。通用方案CPU+GPU通用性强,但细分领域大模型成本高;半通用方案FPGA适合推理不适合训练,成本较高;专用方案ASIC成本低性能好,但无法泛用。短期仍将以降通用方案成本为主,ASIC看大厂进度和通用方案算力成本变化。具体细分,AAI关注ASIC,GAI关注GPU。AI供给端长周期拐点,短周期关注上游算力相关板块。风险点:AI发展进度不及预期;GPU新品拓展不及预期;芯片流片问题加剧
资产配置8月报:有验证有微调,8 月继续求证
2021年7月资产配置月享沙龙会议纪要
【资产配置二季报】结构性调配,相机而动
【行业轮动】
【资产配置】专题:对于风险平价配置模型的几点思考
上期有色金属指数择时策略
【中信期货资产配置】基于汇率视角的大类资产分析
黄金见底了吗?——基于央行持有和美国货币政策预测视角的分析
A股风格策略:估值角度找均衡
深度专题:这次不一样?——政策视角看配置
资产配置方法论:以史为鉴论黄金
“研而有信”是金融策略团队成果分享平台,覆盖大类资产配置、产品策略、金融期货策略、期权与ETF策略。团队致力于为市场带来专业、特色的研究产品和服务,感谢您的关注!