chatgpt做量化模型 利用ChatGPT编写量化策略轻松赚195倍

是不可能的

是不可能的

是不可能的

量化策略赚195倍是真的吗

看到好多量化交易轻松暴赚的视频，忍不住吐槽一下，原谅我也搞了个标题党。不用多说，这肯定不是真的。(谁会分享轻松赚200倍的策略？)

不过这些视频言之凿凿，似乎一不留神就要错过几百万。还是看一看一探究竟，视频中并没有多少细节，好在他们也是从搬运的，于是可以找到原始视频来学习一下。

19527% 的 策略解析

原视频的标题是“ Made 19527% ” ，也是妥妥的标题党。如果对视频感兴趣，可以：

这个小哥确实是从问一个策略问题开始的，不过所谓依靠赚到多少钱，还是噱头偏多。

具体来说，小哥先问了一个问题：

the best with to turn $100 to $10000

推荐了一个策略，主要基于 KNN-based 。KNN是一类常用分类算法，简单理解就是把数据表达成向量，向量距离近的就是比较相似的情景。这里就是把几个技术指标等特征定义为一个向量( )，标记出股票涨跌的分类，根据分类给出买点卖点的信号。

KNN-based 给的信号很多，也有很多False ，于是小哥又叠加了EMA 和 RSI 指标，加上趋势判断，筛掉一些，再根据自己的经验设置了各种参数(参数是关键，计算 的周期，下单止损阈值等等)。回测了一下，表现还不错。EMA和RSI是技术分析里常用的指标，如果大家看过一些股评家的视频，什么金叉死叉，就是基于类似的指标，画图找规律找出来的。

最后一顿操作，回测结果，100 ，win 71，，Pnl 19527%。另外，这个回测用的是ETH，而不是一些自媒体视频说的股票。数字货币涨跌幅更大，这也是为何很多人愿意在数字货币下注的原因。

回顾一下这个Case，首先，跟闲聊获得思路，选取了ML KNN-based 信号入手，逐步完善成为一个策略。评论区也很多同学表示很受启发(…) 。

其次，通过历史数据筛选出一套有效的参数设置在回测中达到比较好的效果，是不难做到的，策略是否有效，还需要更多的测试与分析。

综合来看，这个案例看起来更多是为了节目效果，精心设计的一个Story。所谓19527%也仅仅是回测而已，算不得数。不过量化策略就是这样，有各种轻松赚大钱的神奇传说，说不定也真的有人能受到启发，用这种策略大赚特赚。

了解了这个案例的实际情况，FOMO的情绪稍有缓解，借机浅谈一下，目前看到的量化交易里可以利用/LLM的几个方向。

量化使用GPT模型的三个方式作为个人工作的

刚才这个案例所代表了一类应用场景，就是把作为类型的辅助工具，帮助人类完成任务：

这里是向 询问策略的思路，给出了一些可用的指标和“方向”性的指引。在一些其他分享里，可以帮助一些不会编程的人，完成一些量化代码，例如输出一段代码，就可以直接拿到跑了。当然，还是很难想象，如果完全不了解量化或者编程，能用做出实际的策略。

其实不仅仅是量化领域，GPT和大模型在大多数场景里都是作为““角色输出(想想看，现在有多少产品叫 )。作为辅助工具，AI工具目前基本达到了用户的预期。但是如果让它坐上主驾位置，作为””，自己完全自主地完成一项工作，目前还做得不够好。

人的工作会不会被AI替代的问题：所做的工作内容，如果是辅助型，类似“”角色的，更容易被AI替代。而所做的工作如果是“”型，例如业务负责人/话事人/背锅侠，则更不容易被替代。对于辅助型工种，也可以通过使用新的工具，大幅度地提升自己的效率，卷掉同行。

使用进行文本处理

第二个利用的思路就是利用大模型的自然语言理解能力，最近媒体报道了两篇论文，一篇关于是否能正确理解美联储的表态，一篇关于是否能使用预测股价涨跌。

论文地址：

1.Can ?

2.Can Stock Price ?

预测股票涨跌这个最吸引眼球，不过也并不是太新的思路。其原理是通过GPT模型分析新闻舆情，给出股价涨跌的预测。实际上，这并不是太新的思路，很多人会把新闻舆情数据作为一个另类数据整合到自己的体系里。

这篇论文给出的结果是的。有趣的是，如果拿股票涨跌这个问题问Bing， Bing的国内版和国际版给出了完全不同的答案。

言归正传，这篇论文具体的做法是使用模型分析新闻头条，生成GPT因子数据，然后做因子分析。

分析新闻

首先是设计了一段，查询GPT模型，给出Good News or Bad News的判断。

Forget all your previous instructions. Pretend you are a financial expert. You are a financial expert with stock recommendation experience. Answer “YES” if good news, “NO” if bad news, or “UNKNOWN” if uncertain in the first line. Then elaborate with one short and concise sentence on the next line. Is this headline good or bad for the stock price of Oracle in the short term?
Headline: Rimini Street Fined $630,000 in Case Against Oracle

YESThe fine against Rimini Street could potentially boost investor confidence in Oracle’s ability to protect its intellectual property and increase demand for its products and services.

这并不是一个很复杂的，也没有要求模型输出过于复杂的内容，根据News 的内容，让模型返回”YES”，”NO，”” ，分别对应为1，-1，0这样的预测值。

GPT因子回测

因为模型使用的数据截至2021年9月，测试数据从2021年10月开始，避免在整个测试中使用到未来数据。然后将每天的新闻去重，查询GPT模型，得到预测值。一天如果有多个新闻，则取预测值的均值。

GPT因子：GPT根据新闻头条预测的涨跌值

目标：T+1收益率

（注意回测没有考虑交易成本，另外结果也取决于票池选择，新闻数据集等等。）

经过验证和分析，能看到GPT因子与T+1股价之间的相关性，而且GPT因子的效果是好于数据供应商提供的 打分的。利用GPT模型的文本/“逻辑”处理能力，抓取跟股价走势相关的文本信息（新闻，社交媒体等等），打上分类标签，预测走势，作为一项另类数据或者是交易信号，看起来是一个值得尝试的做法。

构建大模型

除了把大模型作为文本分析工具，也可以基于/架构，构建用来做预测的大模型。大概是参考大模型在NLP领域的成功，套用到股票预测上来。这个模型可以使用交易相关的市场数据训练，交易数据跟之前用来训练其他预测模型的数据类似。不过跟文本数据不同，交易数据带有时间属性，需要将时间顺序表达进去。不知道现在有没有比较成型的做法，以及模型的效果如何。

小结

最后，保持关注，持续学习，拒绝FOMO 🙂

欢迎关注本公众号并添加星标，这里记录了一个星战迷/工程师的学习笔记，偶尔也会分享生活中的趣事。