从交易到盈利：图表家是怎样制定策略的

试想一下，如果朋友约你到距离你家5公里的一家意大利餐厅见面，应邀前往的你会怎样过去？

你可能会打开地图，搜索目的地点，按照地图给出的路线建议，自己再根据经验选择最优的路线，出门坐车，转地铁，中间可能还碰到熟人，最后到达餐厅，和朋友共进晚餐。

这是你出行的一次策略。

在金融市场做交易也一样，假设你想通过交易来获利，你需要提前了解你的目标，找到你的交易品种，分析行情走势，根据自己的经验选择操作模式进场交易，设置好止盈止损，等价格到达条件平仓离场。

这是你交易的一次策略，属于传统的策略制定方式。

我们要做什么

图表家基于人工智能和大数据分析，以计算机和专业人员结合的方式，实现智能化策略服务，帮助投资者在金融市场中更好地做出决策，在此称之为策略2.0。

在图表家，一个策略的产生经由市场数据、交易算法、迭代优化、确定模型和评估改进等步骤，能够在短时间内输出用户所需要的交易服务内容。

什么是人工智能

人工智能是指通过计算机程序的手段实现的人类智能技术，核心问题包括建构能够跟人类似甚至超越的推理、知识、规划、学习、交流、感知、移动和操作物体的能力等。如果将事物的分类做成横向和纵向，那么可以分成可统计和不可统计，以及可推理和不可推理。以往的人工智能只解决了可统计可推理的事物，这个是AI 1.0阶段，如今通过结合机器学习和神经网络得到了新的方法，比如深度学习，从新的角度和维度来进行问题的分析，就是AI 2.0阶段。

图表家正是基于AI 2.0的技术，构建出策略2.0的分析模式。

市场数据

庞大的数据是制定可靠策略的基础，但是用人工的方式来处理是不可能完成的任务，图表家借助人工智能的力量，将实时的市场数据聚类分析，区分可交易和不可交易的情况，将满足条件的交易品种挑选出来。

这是策略制定的最初一步，类似于做菜之前需要买好食材，并进行处理，人工智能能够让图表家在分秒之间处理成千上万的数据，加速市场机会的发现。

交易算法

针对满足条件的交易品种，人工智能将从算法库中筛选交易算法，分析市场行情，找到符合当前行情的交易机会。

举个例子，形态识别是一种较为直观的技术分析，但是传统的人工画图效率较低，计算机通过分析市场数据，得出相应的行情特征，并按照条件筛选符合标准的形态，最终输出理想的分析结果，在短时间内找到最为合适的交易机会。

换句话说，根据市场数据挑选算法的过程，就好比食材处理好之后，厨师会选合理的菜谱来做菜。

迭代优化

选好“菜谱”，进行迭代和优化是不可或缺的，根据市场数据中发现的规律，对既定的算法函数进行调整优化，能够更为有效地提高算法对市场的解释力度，贴合市场的运行规律。

打个比方，玩游戏，在既定的条件下优化自身的玩法，目的是尽可能获取最高分。

策略模型

经过多次迭代优化，完成算法对相应市场的适应，进而得到制定策略的模型，当有新的市场数据输入时，模型就会输出交易策略，包括品种、方向、进场条件和离场条件。

传统的策略制定，需要大量的时间来进行分析计算，无法满足效率的需求，而基于人工智能的策略模型，能够实时分析数据，输出满足条件的策略，缩减投资者的工作量，同时提高分析的精准度和盈利的可能性。

在大量的策略模型基础上，能够针对不同投资者的需求提供相应的策略内容，大幅提升服务的实时性和效率。

评估改进

策略模型的构建，并不会随着模型的确定而停止，计算机会针对每个模型运行的效果，每隔一段时间进行评估，检查输出的策略是否依然有效，金融市场变化很快，及时调整模型来保证策略的有效性，是策略2.0至关重要的一环。

这就像厨师做完了一道菜，根据外界主流口味的变化，不断对菜品进行进行调整，以满足市场的需求。

用一张图来直观表达智能化策略产生的过程：

图表家是如何产出策略的

从市场数据到策略，需要经过一系列的分析和处理，通过经典策略的回顾，可以理解完整的策略制定流程。

美联储加息是金融市场备受瞩目的事件，图表家通过人工智能技术，搭建出一个事件驱动类交易模型详细步骤如下：

模型构建的品种组合为黄金和白银，输出的交易策略是美联储12月宣布加息后，做多黄金和白银，并持有至二月初。

这个策略最早在2016年底的文章《美联储加息后，黄金白银会这样走》中发布，基于大数据和人工智能分析的中长线策略，策略发布后共经历了两次12月加息，结果如下：

两次执行策略的结果为：

2016年12月加息后，黄金上涨11.61%，白银上涨17.89%，策略平均收益率为14.75%；

2017年12月加息后，黄金上涨9.39%，白银上涨11.85%，策略平均收益率为10.62%。

我们的愿景

图表家致力于用策略来帮助投资者交易，在金融市场中提高交易盈利的可能性。

基于人工智能和大数据，图表家强化策略的质量，增加市场机会的发现，加上不断迭代完善的机制，为投资者提供更好的策略服务。