赛题2-1：人工智能在量化交易和投资中的决策辅助
基本信息
作品提交
7.26截止，7.31选前2名（41进10）
结束答辩PPT：
方案创新，技术创新，商业价值（未来的商业场景、公益性），产品设计效果
赛题描述
量化交易是指以先进的数学模型替代人为的主观判断，利用计算机技术从庞大的历史数据中海选能带来超额收益的多种“大概率”事件以制定策略。这极大地减少了投资者情绪波动的影响，避免在市场极度狂热或悲观的情况下作出非理性的投资决策。
外汇交易是双向交易，当进行交易时，我们其实是在买入一种货币的同时卖出另一种货币。外汇的价格走势与其背后国家的经济状况，市场情绪或技术指标息息相关。例如当考虑到国家的经济状况时，可以根据该国的通货膨胀、贸易平衡、GDP、就业增长、以及央行基准利率等经济数据的相对趋势得到判断。而外汇交易价格又会对多变市场产生显著影。
课题目标：
- 选取多个货币对（例如人民币-美元，人民币-欧元，人民币-日元，欧元-美元，欧元-日元，日元-美元）作为分析预测对象，选取不短于10年的历史数据。
- 利用机器学习/深度学习方法构建不同货币对的外汇价格走势（涨跌、幅度）预测模型。
- 模型对不同外汇金融工具（即期，远期，掉期）的短期（日间、隔夜、一周）和长期（一月、三月、六月、一年）的走势预测分析。
- 模拟不同交易员的风险的偏好或交易策略，挑选不同模型做回测。
结果评估方法：
- 准确率、AUC等对分类模型进行评估
- MAE、MSE等对回归模型进行评估
- 模拟交易，比如年收益率、最大回撤率等
项目数据：
- Refinitiv提供：宏观经济数据、市场情绪指数、外汇（货币对）报价历史数据。
知识点
交易与预测
交易的本质是交易预期，预期要涨就买入；预期要跌就卖出；预期横盘就观望。
技术方案
外汇预测模型相关
https://github.com/francoisdavid/LSTM-NeuralNetwork-Forex
基于AI的股票价格预测
无论什么模型，本质上都是在概率空间里面进行分割，找到某一个有显著统计特性的区块并在其中获得长期的非零回报。做的人越多，这个概率空间分的就越细，那么你要找到这么一个区块就越难。相应的，更有可能的是，你只做特定行业或个股的特定时间尺度，比如某些季节性行业的月线，或者有资源的话做高频，这样的model很可能比你用sp500十年日线做出来的模型更有现实意义。
多因子模型用什么因子，深度学习也可以用的
用深度学习做量化已经很多人在研究了，可以参考这篇文章，作为入门，有代码： 基于LSTM的股票价格预测模型 和 LSTM Networks应用于股票市场探究 ,截图如下：
- 预测目标：直接预测价格很难，也可以考虑预测第二（或者N）天是涨还是跌
- 数据：可以用A股数据，建议先用沪深300试一试
- 模型：LSTM是比较直接的用于时序数据预测的
- 可以用前N天的交易数据，包括价格、成交量、换手率等等
