基于新一代人工智能的量化金融實(shí)踐教學(xué)研究

潘鐵軍，鄭蕾娜，劉 軍，郭 鳴，李兆健，劉曦冉

（1.寧波大紅鷹學(xué)院 信息工程學(xué)院，浙江 寧波 315175；2.浙江萬里學(xué)院 商學(xué)院，浙江 寧波 315100；3.南京財(cái)經(jīng)大學(xué) 管理科學(xué)與工程學(xué)院，江蘇 南京 210046；4.寧波沃德信息科技發(fā)展有限公司，浙江 寧波 315100）

0 引 言

隨著技術(shù)的不斷發(fā)展，新一代人工智能作為中國制造產(chǎn)業(yè)升級的戰(zhàn)略高地受到了國家的高度重視。以深度學(xué)習(xí)為代表的Alpha go戰(zhàn)勝了世界圍棋大師，這代表了新一代人工智能更加接近于人類智能。它如同當(dāng)年的互聯(lián)網(wǎng)技術(shù)，正在向社會、產(chǎn)業(yè)的各個方面滲透，推動經(jīng)濟(jì)社會各領(lǐng)域從數(shù)字化、網(wǎng)絡(luò)化向智能化加速躍升，高校作為新一代人工智能人才的培養(yǎng)基地，人工智能應(yīng)該成為計(jì)算機(jī)類專業(yè)實(shí)踐教學(xué)的重點(diǎn)，信息工程專業(yè)實(shí)踐教學(xué)改革正是要探索“AI+”背景下實(shí)踐教學(xué)的模式創(chuàng)新。

新一代人工智能技術(shù)以深度學(xué)習(xí)為代表。目前，比較著名的有Google的Tensor flow、加州伯克利分校的Caffe、蒙特利爾理工學(xué)院的Blocks和Keras，以及Facebook開源了大量Torch的深度學(xué)習(xí)模塊和擴(kuò)展[1]。國內(nèi)有百度深度學(xué)習(xí)平臺PaddlePaddle，易學(xué)易用的特點(diǎn)非常適合教學(xué)。從2017年開始，我國政策的重點(diǎn)已經(jīng)從人工智能技術(shù)轉(zhuǎn)向技術(shù)和產(chǎn)業(yè)的融合。2017年出臺的《新一代人工智能發(fā)展規(guī)劃》明確指出：必須加快人工智能深度應(yīng)用，培育壯大人工智能產(chǎn)業(yè)，為我國經(jīng)濟(jì)發(fā)展注入新動能。分三步走：第一步，到2020年人工智能總體技術(shù)和應(yīng)用與世界先進(jìn)水平同步；第二步，到2025年人工智能基礎(chǔ)理論實(shí)現(xiàn)重大突破，部分技術(shù)與應(yīng)用達(dá)到世界領(lǐng)先水平；第三步，到2030年人工智能理論、技術(shù)與應(yīng)用總體達(dá)到世界領(lǐng)先水平，成為世界主要人工智能創(chuàng)新中心，智能經(jīng)濟(jì)、智能社會取得明顯成效，為躋身創(chuàng)新型國家前列和經(jīng)濟(jì)強(qiáng)國奠定重要基礎(chǔ)。這需要大量的新一代人工智能人才，高校人工智能教育責(zé)無旁貸。

為了將人工智能與實(shí)踐教學(xué)有機(jī)結(jié)合，筆者首先確定了以高素質(zhì)、應(yīng)用型人工智能人才為培養(yǎng)目標(biāo)，立足滿足傳統(tǒng)行業(yè)產(chǎn)品創(chuàng)新和服務(wù)升級的“AI+產(chǎn)業(yè)”人才培養(yǎng)需求，通過教育部協(xié)同育人項(xiàng)目建立產(chǎn)學(xué)研實(shí)踐基地，準(zhǔn)確把握新一代人工智能人才需求規(guī)格，據(jù)此重構(gòu)信息工程實(shí)踐教學(xué)體系，引入量化金融等實(shí)踐內(nèi)容，重點(diǎn)培養(yǎng)學(xué)生的人工智能創(chuàng)新思維和創(chuàng)業(yè)能力，實(shí)現(xiàn)與產(chǎn)業(yè)的無縫銜接。

1 信息工程專業(yè)實(shí)踐教學(xué)改革的核心理念

新一代人工智能人才的培養(yǎng)要著眼于深度學(xué)習(xí)、大數(shù)據(jù)和云計(jì)算等新一代信息技術(shù)的學(xué)習(xí)和應(yīng)用，以及雙創(chuàng)能力的培養(yǎng)。在教育理念上，將雙創(chuàng)活動與產(chǎn)學(xué)研活動有機(jī)融合來重構(gòu)教學(xué)大綱和實(shí)踐體系，涵蓋傳統(tǒng)信息系統(tǒng)改造升級、新一代人工智能產(chǎn)品、服務(wù)構(gòu)思和實(shí)現(xiàn)的全周期。人工智能教育理念的核心就是要以新一代人工智能技術(shù)進(jìn)行產(chǎn)品創(chuàng)新、系統(tǒng)集成以及商業(yè)模式的創(chuàng)新，因此，實(shí)踐課程要以新一代人工智能技術(shù)知識傳授為“點(diǎn)”，以傳統(tǒng)行業(yè)結(jié)構(gòu)調(diào)整、產(chǎn)品升級和模式創(chuàng)新為“線”，以新一代信息人工智能產(chǎn)業(yè)培育和發(fā)展為“面”，通過“點(diǎn)、線、面”一體化的人工智能項(xiàng)目貫穿整個信息工程實(shí)踐教學(xué)的實(shí)驗(yàn)、實(shí)訓(xùn)和實(shí)習(xí)過程。在項(xiàng)目構(gòu)思和設(shè)計(jì)階段采用可公開獲得的財(cái)經(jīng)、金融大數(shù)據(jù)作為信息源，然后以量化金融作為實(shí)踐教學(xué)的主要內(nèi)容和創(chuàng)新方法，在實(shí)施和運(yùn)行階段融入雙創(chuàng)活動培養(yǎng)學(xué)生的創(chuàng)新精神和創(chuàng)業(yè)意識，從而全面提高學(xué)生的工程實(shí)踐能力，即不僅包括個人的理論知識和專業(yè)技能，而且包括團(tuán)隊(duì)意識和創(chuàng)新創(chuàng)業(yè)素質(zhì)拓展[2]。

圖1 量化金融實(shí)訓(xùn)系統(tǒng)

2 基于新一代人工智能的信息工程專業(yè)實(shí)踐教學(xué)改革的關(guān)鍵問題

2.1 人工智能實(shí)訓(xùn)項(xiàng)目選取是重中之重

筆者通過問卷調(diào)查、產(chǎn)業(yè)調(diào)研和頭腦風(fēng)暴方法，結(jié)合專業(yè)轉(zhuǎn)型的中、長期規(guī)劃，并根據(jù)大數(shù)據(jù)實(shí)驗(yàn)室建設(shè)，確定了一系列人工智能項(xiàng)目作為突破口，其中比較有代表性的是“量化金融實(shí)訓(xùn)系統(tǒng)”（如圖1所示）。

本項(xiàng)目以浙江省大學(xué)生學(xué)科競賽為抓手，采用同花順Mindgo量化金融平臺和MQL智能交易平臺，結(jié)合優(yōu)礦、聚寬、米寬、易盛、金字塔、交易開拓者等主流量化金融人工智能社區(qū)，開發(fā)金融、財(cái)經(jīng)等領(lǐng)域的人工智能算法、軟件和系統(tǒng)，為證券市場的機(jī)構(gòu)投資者（公募、私募、券商、銀行、保險等）和個人專業(yè)投資者提供智能投研工具、智能投資平臺和智能投顧服務(wù)。

2.2 人工智能項(xiàng)目與實(shí)踐教學(xué)體系的無縫融入

將人工智能針對不同課程的教學(xué)大綱分解成多層次的實(shí)驗(yàn)、實(shí)訓(xùn)、實(shí)習(xí)子項(xiàng)目，各子項(xiàng)目既相對獨(dú)立又互有關(guān)聯(lián)，在實(shí)驗(yàn)、課程設(shè)計(jì)、畢業(yè)設(shè)計(jì)等課內(nèi)教學(xué)中反復(fù)引用，在實(shí)習(xí)、實(shí)訓(xùn)、助教、助研和學(xué)科競賽等課外活動中實(shí)現(xiàn)迭代開發(fā)。新一代人工智能理論知識結(jié)合產(chǎn)業(yè)發(fā)展的實(shí)踐不斷深化，全過程體現(xiàn)產(chǎn)學(xué)研相互促進(jìn)的連續(xù)性和有序發(fā)展。新一代人工智能知識學(xué)習(xí)采用先固化、再消化、后優(yōu)化三步走：首先學(xué)習(xí)經(jīng)典的人工智能算法和新興的深度學(xué)習(xí)理論，按照已有案例重復(fù)實(shí)驗(yàn)進(jìn)行驗(yàn)證，做到實(shí)驗(yàn)?zāi)Ｊ降墓袒蝗缓笙斯ぶ悄艿闹R，并根據(jù)當(dāng)前金融行情的變化搭建創(chuàng)新的模型以指導(dǎo)實(shí)踐，將知識轉(zhuǎn)化為能力；最終實(shí)現(xiàn)模型和策略的持續(xù)優(yōu)化。

以海龜智能交易系統(tǒng)為例，首先基于MQL在外匯平臺上進(jìn)行模型的驗(yàn)證，消化海龜模型的策略和特點(diǎn)；然后將其用Python語言實(shí)現(xiàn)并移植到Mindgo量化金融平臺，在股票市場進(jìn)行進(jìn)一步驗(yàn)證，反復(fù)實(shí)踐；最后，基于SVM等機(jī)器學(xué)習(xí)傳統(tǒng)方法對模型進(jìn)行優(yōu)化。由于Mindgo對Tensor flow等新一代人工智能開發(fā)工具的支持有限，因此，借助zpline開源系統(tǒng)搭建平臺（WorldTrade）、接入聚寬JQData等，并基于深度學(xué)習(xí)模型對海龜模型進(jìn)行最終優(yōu)化。將優(yōu)化后的成果對接投資機(jī)構(gòu)和國內(nèi)外著名量化交易社區(qū)進(jìn)行產(chǎn)業(yè)化輸出。整個過程結(jié)合了畢業(yè)實(shí)習(xí)、畢業(yè)設(shè)計(jì)、學(xué)科競賽、課外學(xué)術(shù)活動、雙創(chuàng)活動和素質(zhì)拓展活動，給學(xué)生及時的學(xué)分反饋和成績評價,避免因長時間實(shí)踐的枯燥性而造成學(xué)生興趣的喪失。WorldTrade實(shí)訓(xùn)平臺如圖2所示。

圖2 WorldTrade實(shí)訓(xùn)平臺

1）以C語言為基礎(chǔ)底層接口。

C語言在程序算法運(yùn)行的速度上是有目共睹的，具有很大的優(yōu)勢，決定了金融量化交易系統(tǒng)的底層速度優(yōu)勢。

2）以 MATLAB 和Python為中層打造交易系統(tǒng)框架。

MATLAB是經(jīng)典的人工智能開發(fā)語言，開發(fā)者基于MATLAB 函數(shù)庫編寫了大量經(jīng)典模型，其穩(wěn)定性和可擴(kuò)展性決定了金融量化交易系統(tǒng)具有很強(qiáng)的靈活性。

Python是新一代人工智能的主流語言，人工智能包含常用機(jī)器學(xué)習(xí)和深度學(xué)習(xí)兩個很重要的模塊，而Python擁有matplotlib、Numpy、sklearn、keras等大量的人工智能庫，pandas、sklearn、matplotlib可以做數(shù)據(jù)處理、數(shù)據(jù)分析、數(shù)據(jù)建模和繪圖，基本上機(jī)器學(xué)習(xí)對數(shù)據(jù)的爬取（scrapy）、對數(shù)據(jù)的處理和分析（pandas）、對數(shù)據(jù)的繪圖（matplotlib）和對數(shù)據(jù)的建模（sklearn），在Python中都能找到對應(yīng)的庫來進(jìn)行處理。

3）以文本信號為基礎(chǔ)信號來源。

WorldTrade以文本信號為基礎(chǔ)信號源，決定了金融量化交易系統(tǒng)的可接入能夠生成文本信號的程序化交易平臺（包括交易開拓者、金字 塔、Multi Charts、Trade Satition、Magic Quant等），同時支持編程軟件Python、R、Vba、C#、C++、Java 外部鏈接等，還可以鏈接 Wind、Sina 、Yahoo 等財(cái)經(jīng)網(wǎng)站，保證了金融量化交易系統(tǒng)可以充分整合外界資源的優(yōu)勢。

4）系統(tǒng)操作界面。

WorldTrade金融量化交易系統(tǒng)的操作界面簡潔，主界面圖右邊為本金融量化交易系統(tǒng)的各項(xiàng)交易操作。該操作系統(tǒng)可實(shí)施批量操作以及實(shí)施股票賬戶風(fēng)險監(jiān)控。系統(tǒng)包括實(shí)時股票賬戶本地股票池，本地股票可以選擇手動代碼輸入，也可以選擇交易設(shè)置的批量導(dǎo)入。

5）基于大數(shù)據(jù)分析平臺。

WorldTrade采用Nutch來采集金融大數(shù)據(jù)。不同于 Google Crawler，Internet Archive Crawler，Nutch 是一個開源Java 實(shí)現(xiàn)的搜索引擎，它提供全文搜索和Web爬蟲，支持國內(nèi)外多種網(wǎng)頁類型的信息采集，性能穩(wěn)定，采集高效，能夠節(jié)省大量編程調(diào)試的時間。WorldTrade具有高度的可擴(kuò)展性，遵守Robots 協(xié)議，可以靈活地實(shí)現(xiàn)金融數(shù)據(jù)的抓取邏輯，從互聯(lián)網(wǎng)上抓取所需要的財(cái)經(jīng)數(shù)據(jù)，并且支持各種底層數(shù)據(jù)存儲模型（包括HDFS、Mysql、Hbase 等）。

WorldTrade采用ElasticSearch提高金融信息的檢索性能。ElasticSearch是一個基于Lucene的搜索服務(wù)器，它提供了一個分布式多用戶能力的全文搜索引擎，基于RESTful web接口，是當(dāng)前流行的企業(yè)級搜索引擎，實(shí)時搜索穩(wěn)定、可靠、快速。當(dāng)索引量很大、搜索請求并發(fā)很高時，需要使用SolrCloud來滿足這些需求。SolrCloud是基于Solr和Zookeeper的分布式搜索方案，它的主要思想是使用Zookeeper作為SolrCloud集群的配置信息中心統(tǒng)一管理，具有大規(guī)模、容錯、分布式索引和檢索能力[2]。SolrCloud和ElasticSearch這兩個開源的分布式搜索方案均支持分布式、實(shí)時索引，通過http請求來獲得搜索結(jié)果，部署簡單、使用方便、性能強(qiáng)大，是當(dāng)前領(lǐng)先的數(shù)據(jù)索引方案，可以很好的滿足金融數(shù)據(jù)的檢索性能。

2.3 建立新一代人工智能實(shí)驗(yàn)室

人工智能專業(yè)實(shí)踐教學(xué)改革的場景是真實(shí)的量化金融實(shí)驗(yàn)室體驗(yàn)項(xiàng)目，但目前基于CPU的實(shí)驗(yàn)箱的傳統(tǒng)教學(xué)，無法滿足以GPU為核心的新一代人工智能技術(shù)日益發(fā)展的行業(yè)需要。為此，我們采用國際先進(jìn)的人工智能一體機(jī)，面向金融、財(cái)經(jīng)數(shù)據(jù)等領(lǐng)域，以大數(shù)據(jù)分析為主要手段、以深度學(xué)習(xí)為突破口，基于Python、MQL和Matlab語言，將機(jī)器學(xué)習(xí)應(yīng)用到金融工程中。所選的軟硬件配置相對比較先進(jìn)（見表1）。

表1 軟硬件配置

量化金融實(shí)驗(yàn)室的建立，將有效彌補(bǔ)傳統(tǒng)實(shí)驗(yàn)室的不足。信息管理和信息系統(tǒng)方向有關(guān)傳統(tǒng)機(jī)器學(xué)習(xí)算法的驗(yàn)證性實(shí)驗(yàn)可在現(xiàn)有實(shí)驗(yàn)室進(jìn)行；基于新一代人工智能的大數(shù)據(jù)分析和應(yīng)用創(chuàng)新，可以分階段在量化金融實(shí)驗(yàn)室中實(shí)施。

3 面向新一代人工智能的信息工程專業(yè)實(shí)踐教學(xué)改革

經(jīng)過師生的共同努力，量化金融實(shí)訓(xùn)系統(tǒng)順利完成（如圖3所示），綜合運(yùn)用了新一代人工智能技術(shù)中的深度學(xué)習(xí)、云計(jì)算和大數(shù)據(jù)技術(shù)，這不僅實(shí)現(xiàn)了與新一代信息技術(shù)產(chǎn)業(yè)的無縫對接，也大大促進(jìn)了學(xué)生的創(chuàng)新創(chuàng)業(yè)能力的培養(yǎng)，激發(fā)了大學(xué)生的學(xué)習(xí)興趣和創(chuàng)業(yè)熱情。通過收益率排名、策略分析、實(shí)戰(zhàn)對抗等模式增加了實(shí)踐教學(xué)的趣味性和真實(shí)感。

圖3 量化金融實(shí)訓(xùn)系統(tǒng)

量化金融實(shí)訓(xùn)項(xiàng)目的綜合評分三大指標(biāo)包括業(yè)績指標(biāo)（40%）、風(fēng)險指標(biāo)（40%）和風(fēng)險收益指標(biāo)（20%）：業(yè)績指標(biāo)評分標(biāo)準(zhǔn)包括累計(jì)收益率（30%）、成功率（10%）；風(fēng)控指標(biāo)評分標(biāo)準(zhǔn)包括收益波動率（20%）、最大回撤（20%）；風(fēng)險收益指標(biāo)評分標(biāo)準(zhǔn)包括Sharpe Ratio（20%）。

4 結(jié) 語

基于新一代人工智能的信息工程實(shí)踐教學(xué)改革的實(shí)踐，最初起源于學(xué)校財(cái)經(jīng)特色的打造和信息工程專業(yè)轉(zhuǎn)型升級的時代需求，后以學(xué)科競賽和雙創(chuàng)活動為抓手、以人工智能實(shí)驗(yàn)室建設(shè)為契機(jī)，結(jié)合教育部協(xié)同育人項(xiàng)目，將新一代人工智能的實(shí)踐教學(xué)貫穿于實(shí)驗(yàn)、實(shí)習(xí)和實(shí)訓(xùn)中，應(yīng)用于智慧金融產(chǎn)業(yè)的創(chuàng)新驅(qū)動，也促進(jìn)了學(xué)生創(chuàng)新創(chuàng)業(yè)能力的提升。