ML 预测 + 算法交易 + 风险平价
R14 现代交易逻辑普及 (3/4)：3 种方法 5 问全答
交易实操·支柱⑦「现代交易逻辑普及」第 3 讲 / 共 34 讲
**预计时间：**15 分钟读 + 5 分钟做习题。
前言
0019 R14 (2/4) 讲了期权 vol / 量化中性 / 资金费率。本课讲 3 种与 AI + 执行算法 + 资产配置 相关的现代方法。
1. 方法 7：ML 预测价格（LSTM / Transformer / GAN）
1.1 原理
用神经网络从历史数据学习非线性模式 → 预测未来价格 → 用预测信号入场。
1.2 入场条件
- 模型预测收益率 > 阈值（如 > 0.5%）
- 模型置信度 > 阈值（如 > 0.7）
- 特征工程（基本面 + 技术 + 情绪 + 宏观）
1.3 盈亏来源
- 模型拟合真实因果（极罕见）
- p 估计不稳定：退化为随机
- 期望接近 0 或负
1.4 何时失效（脆弱性）
- 洛伦兹蝴蝶效应（chaos）：价格系统初始敏感 → 微小扰动导致大变化
- 强回测偏差（lookahead bias）：用未来信息回测 → 实盘不可重现
- regime 切换：训练数据 regime 与实盘 regime 不同
- 生存者偏差：发表论文的 ML 模型都是样本中跑赢的，没发表的多数失败
- 历史案例：文艺复兴科技（Renaissance Medallion）跑赢，但拒接外部资金（因为容量有限），散户无法复制
1.5 对手
- 散户信「AI 预测」（LSTM / Transformer 营销）
- 学术派（发表论文但实盘失败）
R1 三问：
- ① 影响变量：
p（模型预测可靠性 → p 估计不可靠） - ② 推导依据：数学（混沌系统）+ 实证（lookahead bias）
- ③ trade-off：模型复杂 ↑ → 回测好、实盘差（过拟合）
找脆弱性：避开「AI 预测」叙事 + 警惕回测 Sharpe > 3 的方法。
2. 方法 8：算法交易 / TWAP / VWAP
2.1 原理
拆分大单（TWAP 时间均匀 / VWAP 跟量）→ 减小 market impact → 节省 0.1 – 0.3% 成本。
2.2 入场条件
- 需要执行大单（机构建仓 / 减持）
- 流动性需满足（避免暴露）
2.3 盈亏来源
- 避开 market impact → 节省 0.1 – 0.3%
- p 估计略好
2.4 何时失效（脆弱性）
- 对手知道你拆单：HFT 识别「机构」模式 → 前 / 后抢跑 / 调整 TWAP 识别
- 占比信号：拆单执行意味着「机构」→ 散户反向跟
- 2010 flash crash：算法交易加剧流动性枯竭
2.5 对手
- HFT 抢跑（per 0018 R14 (1/4) 第 4 节）
- 散户反向跟（识别机构方向）
R1 三问：
- ① 影响变量：
cost（market impact + HFT 抢跑）+p（HFT 识别） - ② 推导依据：实证（HFT 抢跑研究）
- ③ trade-off：拆单 → 节省 impact、被抢跑（成本不降反升）
找脆弱性：避开「明显拆单」的标的（意味着有机构在做）。
3. 方法 9：风险平价 / All Weather（桥水）
3.1 原理
风险预算分配（每类资产分配相同 risk contribution）→ 不依赖预期收益 → 长期分散 + 定期再平衡。
3.2 入场条件
- 按波动率倒数加权
- 定期再平衡（如季度）
3.3 盈亏来源
- 长期分散 + 定期再平衡 → 自动高抛低吸
- p 估计中等（不依赖预期收益）
3.4 何时失效（脆弱性）
- 协方差矩阵估计误差：历史样本估计的相关性不准
- correlation 突变：2008 GFC、2020 COVID、2022 通胀 → 所有资产趋同
- 历史案例：桥水 All Weather 2020 + 2022 回撤（虽然比其他策略好）
3.5 对手
- 散户信「分散就稳」（不了解 correlation 突变）
- 其他 risk parity 基金（同质化策略 → correlation 突变时一起崩）
R1 三问：
- ① 影响变量：
correlation（协方差估计 + stress 突变）+p（预期收益估计） - ② 推导依据：实证（2008 / 2020 / 2022）+ 数学（协方差估计）
- ③ trade-off：正常时期 → 分散有效；stress 时期 → correlation 突变 → 全亏
找脆弱性：避开「全分散」叙事 + 警惕 stress 期间 correlation 突变（per 0015 第 3 节 R13）。
4. 3 种方法综合
| 方法 | 对手 | 脆弱性 | 规避策略 |
|---|---|---|---|
| ML 预测 | 散户信「AI 预测」 | 混沌 + lookahead + 生存者偏差 | 警惕 Sharpe > 3 方法 |
| 算法交易 | HFT + 散户反向 | HFT 抢单 + 「机构」暴露 | 避开明显拆单的标的 |
| 风险平价 | 散户信「分散」 | correlation 突变（2008/2020/2022） | stress 期间减仓 |
5. R14 与综合框架的接口
5.1 脆弱性 → 我们的策略调整
- ML 预测信号 → 不直接信 → 当 Bayesian 更新 p 的输入
- 识别机构拆单 → 避开（避免被 HFT 抢跑）
- 风险平价产品 → stress 期间减仓（correlation 突变）
5.2 个人 CN 投资者不直接交易的方法
- ML 预测（散户被收割 + 实盘无效）
- 算法交易（需要机构基础设施 + HFT 抢跑）
- 风险平价（CN 个人可用 ETF 复制，但 stress 期间减仓规则必设）
实操产出物
完成本课后，你应该产出：
- 3 种方法 5 问表：ML + 算法交易 + 风险平价，每种 5 问全答
- 脆弱性检测表：ML 信号（Sharpe > 3 警惕）/ 拆单识别 / risk parity ETF 减仓规则
- stress 期减仓规则：2008 / 2020 / 2022 类 stress 信号 → 减仓 / 切换现金
- HFT 抢跑时段记录：避开显著机构拆单标的
练习题
ML 预测价格的脆弱性是？
算法交易 TWAP / VWAP 的脆弱性是？
风险平价 All Weather 的脆弱性是？
个人 CN 投资者做 ML 预测吗？
R14 第四种方法（per [0021 R14 总结](../0021-find-vulnerability-workflow/)）将总结成？
交叉引用
- 0018 R14 (1/4)——频谱 / Stat Arb / HFT
- 0019 R14 (2/4)——期权 vol / 量化中性 / 资金费率
- 0021 R14 总结——找脆弱性工作流
- 0015 多资产 Kelly 组合——R13 相关性
- 0028 AI 概率增强器——AI 合理使用
本课用户原话出处
“ML 预测价格基本不可行——混沌 + lookahead bias。”
“HFT 能识别机构拆单，前后抢跑。”
“风险平价在 stress 时期 correlation 突变 → 桥水 2020/2022 也回撤。“
合规声明
本课仅作为教育用途，不构成投资建议。R14 基于公开信息，非内部策略。本课程不教用户做这些方法，只教识别对手脆弱性。投资有风险，决策请独立判断。