这是一个创建于 957 天前的主题，其中的信息可能已经有所发展或是发生改变。
FinTech 社区是 5 万+专注于量化投资 /区块链 /金融科技 /AI 行业的国际招聘社区，欢迎加微信：smilejin689
加入社区交流！
官网：www.fintechgl.com
B 站视频 ： https://space.bilibili.com/1426020404
小红书： https://www.xiaohongshu.com/user/profile/63620ca1000000001f014d66?xhsshare=CopyLink&appuid=63620ca1000000001f014d66&apptime=1681374159
公众号：FinTech 社区咨询
什么是强化学习？
“像人类一样，我们的机器自己学习如何实现成功的策略，从而获得最大的长期回报。这种通过对正确和错误的学习，进行奖惩的范式，被称为强化学习（ RL ）--谷歌 Deepmind”
在金融市场上，我们使用强化学习算法的目的，是通过观察交易行为的回报情况，从而学会如何获得最大的回报交易策略。
如何在交易中应用强化学习？
在交易领域我们追求的无非是利润最大化。因此强化学习算法应用到交易领域的目的也是，学习最大化长期回报的策略。
例如，从 2018 年末到 2020 年初，Amazon 的股价几乎持平。正常思维会认为 mean-reverting 策略在这里更有效。
但从 2020 年初，Amazon 股价回升，出现趋势。如果 2020 年初开始，采用 mean-reverting 策略将导致亏损。从上一年的 mean-reverting 市况来看，大多数交易者在市场开始趋势化时都会退出市场。
但如果你做多并持有股票，从长远来看这种策略是有益的。在这种情况下，为了将来的长期收益而放弃你当下的回报。
这种行为类似于 AlphaZero[实现“将死”这个目标，游戏时必须遭受失子的损失]。
强化学习算法通过从 2017 年和 2018 年 Amazon 股价变动学习到的模型，并且更宏观的考虑“思考”，模型会因此持有 Amazon 的股票，从而在未来获得巨额利润。
强化学习与传统的机器学习算法有何不同？
正如在上面的示例中所看到的，我们不必在强化学习算法的每个时间点都提供标签。强化算法首先通过试错学习交易，并在交易结束时计算获利回报。
然后优化策略，使回报最大化。这与传统的 ML 算法不同，后者需要在每个时间点或按频率添加标签。
强化学习的组成部分
强化学习主要有以下部分组成：
行动：行动就是 RL 算法要解决的问题，对应到交易市场就是买、卖。
策略：1 、exploration policy：通过随机学习，RL 算法学会要采取的行动。2 、exploitation policy：RL 算法学习过去的经验，并采取行动，从而最大化长期回报。
状态：增强学习需要有意义的信息，才能采取行动。这里有意义的信息就是状态。例如，你要决定是买入还是卖出微软股票，那怎样的信息才是有用的？可能历史价格数据、基本面数据等等所有这些数据汇总在一起就是需要的状态。
奖励：奖励可以被认为是希望通过强化系统实现的最终目标。例如，你的目标是建立一个可盈利的交易系统，这时的奖励就是利润。定义奖励函数对于一个强化学习系统是极其重要的，以下指标可用于定义奖励：Profit per tick 、Sharpe Ratio 、Profit per trading
环境：强化学习系统观察状态的一个“世界”，当 RL 系统要采取行动，环境会执行相关动作后，计算奖励并且进入入下一状态。可以把环境理解为一局象棋比赛或交易微软股票的过程。
代理：RL 模型的代理是接收输入状态（特征）并且决定要采取的行动。例如 RL 代理把 RSI 和过去 10 天的回报作为输入，然后告诉你是否要继续持有微软股票还是要卖出。下面结合图片简要对代理的工作原理介绍。
图片: https://uploader.shimo.im/f/lpQFcifST0YOXNCq.gif?accessToken=eyJhbGciOiJIUzI1NiIsImtpZCI6ImRlZmF1bHQiLCJ0eXAiOiJKV1QifQ.eyJleHAiOjE2ODM4OTEzNDAsImZpbGVHVUlEIjoiaDhna1d2d1JoQ0dDV1BZNiIsImlhdCI6MTY4Mzg5MTA0MCwiaXNzIjoidXBsb2FkZXJfYWNjZXNzX3Jlc291cmNlIiwidXNlcklkIjo3NTIxMjcwMH0.BU-OKWEyfQIATtAVJwllXuudbPFT8-lHgx4D52-6E94
步骤 1:
状态&行动：假设微软的股票在当日收盘价是 92 美元，基于状态（ RSI 和 10 天回报），代理给出买入信号。
环境：为简单起见，我们说该订单在下一个交易日（即 1 月 27 日）开盘。该订单以 92 美元的价格成交。因此，环境告诉我们，要以 92 美元的价格买入了微软股票。
奖励：这里不会有任何奖励，因为我们交易还在进行中。
步骤 2:
状态&行动：次日微软股票收盘价为 94 美元，这时代理会分析状态并给出卖出的信号。
环境：将新增一个卖出订单，该订单将平掉多头头寸。
奖励：代理将记录 2.1%的奖励。
为让大家更直观的认识强化学习系统，下图是强化系统的一个简要总结。
图片: https://uploader.shimo.im/f/DSgNvJUc32zUiQqX.png!thumbnail?accessToken=eyJhbGciOiJIUzI1NiIsImtpZCI6ImRlZmF1bHQiLCJ0eXAiOiJKV1QifQ.eyJleHAiOjE2ODM4OTEzNDAsImZpbGVHVUlEIjoiaDhna1d2d1JoQ0dDV1BZNiIsImlhdCI6MTY4Mzg5MTA0MCwiaXNzIjoidXBsb2FkZXJfYWNjZXNzX3Jlc291cmNlIiwidXNlcklkIjo3NTIxMjcwMH0.BU-OKWEyfQIATtAVJwllXuudbPFT8-lHgx4D52-6E94
Q 表和 Q 学习
什么是 Q 表和 Q 学习？这两个概念听起来可能有点迷惑，但蕴含的概念是非常简单的。
在每个交易时刻，RL 代理都需要决定要采取的操作。如果 RL 代理有一张表，告诉它哪一个动作会得到最大的回报？然后简单地选择那个动作。这张表就是 Q 表。
这里举个 Q 表简单例子，让大家对其有更直观的感受。
下面的 Q 表行是状态（在本例中是天），操作是列（在本例中是持有和卖出）。此表中的值称为 Q 值。
上面的 Q 表中，1 月 23 日那天 RL 代理要采取怎样的行动？持有的 Q 值为 0.966 ，则采取“持有”行动，卖出的 Q 值 0.954 ，持有的 Q 值大，因此采取持有。
如何创建 Q 表？
让我们通过例子创建一个 Q 表。为了简单起见，让我们以 2021 年 1 月 22 日至 1 月 31 日的价格数据为例。我们已经添加了回报率和累计回报，如下所示。
上面表格代表你买了某只股票，你已经没有更多的资本。你唯一的两个选择是“持有”或“卖出”。作为第一步，需要创建一个简单的奖励表。
如果我们决定“持有”，那么我们将在 1 月 31 日之前得不到任何奖励，最后我们将得到 1.09 的奖励。如果我们决定在任何一天出售，那么回报将是截至当天的累计回报。奖励表（ R 表）如下所示。如果我们让 RL 模型从奖励表中选择，RL 模型将出售股票并获得 0.95 的奖励（显然这不是我们想要的）。
预计 1 月 31 日价格将升至 106 美元，涨幅达 9%。因此，你应该把股票持有到那时。我们必须提供这些信息。这样 RL 代理可以做出持有的决定而不是出售。
我们为了做到这一点，需要创建一个 Q 表。先将奖励表复制到 Q 表中，然后使用 Bellman 公式计算每天行动的奖励。
Bellman 公式
图片: https://uploader.shimo.im/f/HNSeI4chHuiQIg04.png!thumbnail?accessToken=eyJhbGciOiJIUzI1NiIsImtpZCI6ImRlZmF1bHQiLCJ0eXAiOiJKV1QifQ.eyJleHAiOjE2ODM4OTEzNDAsImZpbGVHVUlEIjoiaDhna1d2d1JoQ0dDV1BZNiIsImlhdCI6MTY4Mzg5MTA0MCwiaXNzIjoidXBsb2FkZXJfYWNjZXNzX3Jlc291cmNlIiwidXNlcklkIjo3NTIxMjcwMH0.BU-OKWEyfQIATtAVJwllXuudbPFT8-lHgx4D52-6E94
在这个方程中，s 是状态，a 是时间 t 的一组动作，ai 是这个动作集中的一个特定动作。R 是奖励表。Q 是 state action 表，但随着我们通过经验对系统了解的加深，它会不断更新。γ是学习率。
我们将首先从 R 表中，1 月 30 日的“持有”行动的 q 值开始计算。
1 、计算采取行动的回报：从 R 表可见为 0.
2 、假设γ=0.98 。第二天，即 1 月 31 日，卖出和持有操作的最大 Q 值为 1.09 。
3 、根据 Bellman 公式，1 月 30 日的“持有”行动的 Q 值为 0+0.98*（ 1.09 ）=1.06 。
以此类推，得到 Q 表如下所示
这时 RL 模型将选择“持有”动作以使 Q 值最大化。这个更新 Q 表的过程称为 Q 学习。
这里我们只使用了行动和状态这两个状态变量。但现实中，我们面对的将是巨大的状态空间，因此，建立一个 Q 表既耗时又耗计算资源。
为了克服这个问题，我们可以使用深度神经网络。 也可称它们为深度 Q 网络（ DQN ）。
深度 Q 网络从过去的经验中学习 Q 表，当以状态作为输入时，它们可以为每个行动计算 Q 值。 我们可以选择最大 Q 值采取的行动，从而得到最大的回报。
小结
最后你可以构建自己的 RL 系统来对真实市场数据进行回测和实际交易，从而使强化学习在交易领域更好的发展。
职位：量化研究员 /交易员 /PM （期权 /期货 /股票 /Crypto 等方向，高中低频都可）
公司介绍：70+家对冲基金
关键词：量化策略研究、实盘管理
地点：沪 /京 /深 /杭 /新 /美 /远程
推荐奖：RMB 3000-30000 元
薪资：RMB 40-800 万+奖金
工作职责：
1.发掘金融市场运行的客观规律，形成投资策略、验证交易策略并实盘，具体涉及交易想法的策略化、数据处理、策略历史回测、实盘交易等
2. 对量化投资策略的表现进行跟踪、分析、评估和改进
任职要求：
1.国内外顶级大本科及以上学历，数学、计算机等相关专业毕业； 0-10 年相关工作经验（应届生需具备量化实习经验）
2.精通 python/C++/C#中至少一门语言；
3.研究任一领域均可：CTA 、A 股、港股、美股、期权、加密货币，高中低频均可；交易执行算法 ； 深度学习 ；金融场景下的 NLP 研究和应用 ；高频交易 ；波动率预测等
职位：系统开发 /量化开发 Quant Developer/数据开发 Data Engieer
推荐奖：rmb 5000-20000 元
地点：沪 /京 /深 /杭 /新 /美 /远程
年薪：RMB 40-200 万+
公司：70+家对冲基金
关键词:c++， 量化系统开发、回测系统开发、Linux 、数据开发、量化开发、量化实现
职责描述（以下任一）：
1.负责期货 /期权 /股票 /数字货币等的交易系统的开发、优化和维护
2.对研究员策略实现过程提供数据和技术支持
3. 开发数据生产任务，对原始数据进行采集、检查、清洗、加工
任职要求：
国内外知名院校本科及以上学历，计算机、软件工程等相关专业，有量化行业经验优先
具备以下任一相关经验：
1.熟练掌握 C++/Python/JAVA/C#中的一两种语言，懂 Shell ，熟悉常用的数据结构和算法
2.熟悉 C++和 Python 开发，理解量化策略，过往具备量化策略代码化经验优先
3.熟练使用 python 进行数据分析及处理，具备一定 c++能力；
加入社区交流！
官网：www.fintechgl.com
B 站视频 ： https://space.bilibili.com/1426020404
小红书： https://www.xiaohongshu.com/user/profile/63620ca1000000001f014d66?xhsshare=CopyLink&appuid=63620ca1000000001f014d66&apptime=1681374159
公众号：FinTech 社区咨询
什么是强化学习？
“像人类一样，我们的机器自己学习如何实现成功的策略，从而获得最大的长期回报。这种通过对正确和错误的学习，进行奖惩的范式，被称为强化学习（ RL ）--谷歌 Deepmind”
在金融市场上，我们使用强化学习算法的目的，是通过观察交易行为的回报情况，从而学会如何获得最大的回报交易策略。
如何在交易中应用强化学习？
在交易领域我们追求的无非是利润最大化。因此强化学习算法应用到交易领域的目的也是，学习最大化长期回报的策略。
例如，从 2018 年末到 2020 年初，Amazon 的股价几乎持平。正常思维会认为 mean-reverting 策略在这里更有效。
但从 2020 年初，Amazon 股价回升，出现趋势。如果 2020 年初开始，采用 mean-reverting 策略将导致亏损。从上一年的 mean-reverting 市况来看，大多数交易者在市场开始趋势化时都会退出市场。
但如果你做多并持有股票，从长远来看这种策略是有益的。在这种情况下，为了将来的长期收益而放弃你当下的回报。
这种行为类似于 AlphaZero[实现“将死”这个目标，游戏时必须遭受失子的损失]。
强化学习算法通过从 2017 年和 2018 年 Amazon 股价变动学习到的模型，并且更宏观的考虑“思考”，模型会因此持有 Amazon 的股票，从而在未来获得巨额利润。
强化学习与传统的机器学习算法有何不同？
正如在上面的示例中所看到的，我们不必在强化学习算法的每个时间点都提供标签。强化算法首先通过试错学习交易，并在交易结束时计算获利回报。
然后优化策略，使回报最大化。这与传统的 ML 算法不同，后者需要在每个时间点或按频率添加标签。
强化学习的组成部分
强化学习主要有以下部分组成：
行动：行动就是 RL 算法要解决的问题，对应到交易市场就是买、卖。
策略：1 、exploration policy：通过随机学习，RL 算法学会要采取的行动。2 、exploitation policy：RL 算法学习过去的经验，并采取行动，从而最大化长期回报。
状态：增强学习需要有意义的信息，才能采取行动。这里有意义的信息就是状态。例如，你要决定是买入还是卖出微软股票，那怎样的信息才是有用的？可能历史价格数据、基本面数据等等所有这些数据汇总在一起就是需要的状态。
奖励：奖励可以被认为是希望通过强化系统实现的最终目标。例如，你的目标是建立一个可盈利的交易系统，这时的奖励就是利润。定义奖励函数对于一个强化学习系统是极其重要的，以下指标可用于定义奖励：Profit per tick 、Sharpe Ratio 、Profit per trading
环境：强化学习系统观察状态的一个“世界”，当 RL 系统要采取行动，环境会执行相关动作后，计算奖励并且进入入下一状态。可以把环境理解为一局象棋比赛或交易微软股票的过程。
代理：RL 模型的代理是接收输入状态（特征）并且决定要采取的行动。例如 RL 代理把 RSI 和过去 10 天的回报作为输入，然后告诉你是否要继续持有微软股票还是要卖出。下面结合图片简要对代理的工作原理介绍。
图片: https://uploader.shimo.im/f/lpQFcifST0YOXNCq.gif?accessToken=eyJhbGciOiJIUzI1NiIsImtpZCI6ImRlZmF1bHQiLCJ0eXAiOiJKV1QifQ.eyJleHAiOjE2ODM4OTEzNDAsImZpbGVHVUlEIjoiaDhna1d2d1JoQ0dDV1BZNiIsImlhdCI6MTY4Mzg5MTA0MCwiaXNzIjoidXBsb2FkZXJfYWNjZXNzX3Jlc291cmNlIiwidXNlcklkIjo3NTIxMjcwMH0.BU-OKWEyfQIATtAVJwllXuudbPFT8-lHgx4D52-6E94
步骤 1:
状态&行动：假设微软的股票在当日收盘价是 92 美元，基于状态（ RSI 和 10 天回报），代理给出买入信号。
环境：为简单起见，我们说该订单在下一个交易日（即 1 月 27 日）开盘。该订单以 92 美元的价格成交。因此，环境告诉我们，要以 92 美元的价格买入了微软股票。
奖励：这里不会有任何奖励，因为我们交易还在进行中。
步骤 2:
状态&行动：次日微软股票收盘价为 94 美元，这时代理会分析状态并给出卖出的信号。
环境：将新增一个卖出订单，该订单将平掉多头头寸。
奖励：代理将记录 2.1%的奖励。
为让大家更直观的认识强化学习系统，下图是强化系统的一个简要总结。
图片: https://uploader.shimo.im/f/DSgNvJUc32zUiQqX.png!thumbnail?accessToken=eyJhbGciOiJIUzI1NiIsImtpZCI6ImRlZmF1bHQiLCJ0eXAiOiJKV1QifQ.eyJleHAiOjE2ODM4OTEzNDAsImZpbGVHVUlEIjoiaDhna1d2d1JoQ0dDV1BZNiIsImlhdCI6MTY4Mzg5MTA0MCwiaXNzIjoidXBsb2FkZXJfYWNjZXNzX3Jlc291cmNlIiwidXNlcklkIjo3NTIxMjcwMH0.BU-OKWEyfQIATtAVJwllXuudbPFT8-lHgx4D52-6E94
Q 表和 Q 学习
什么是 Q 表和 Q 学习？这两个概念听起来可能有点迷惑，但蕴含的概念是非常简单的。
在每个交易时刻，RL 代理都需要决定要采取的操作。如果 RL 代理有一张表，告诉它哪一个动作会得到最大的回报？然后简单地选择那个动作。这张表就是 Q 表。
这里举个 Q 表简单例子，让大家对其有更直观的感受。
下面的 Q 表行是状态（在本例中是天），操作是列（在本例中是持有和卖出）。此表中的值称为 Q 值。
上面的 Q 表中，1 月 23 日那天 RL 代理要采取怎样的行动？持有的 Q 值为 0.966 ，则采取“持有”行动，卖出的 Q 值 0.954 ，持有的 Q 值大，因此采取持有。
如何创建 Q 表？
让我们通过例子创建一个 Q 表。为了简单起见，让我们以 2021 年 1 月 22 日至 1 月 31 日的价格数据为例。我们已经添加了回报率和累计回报，如下所示。
上面表格代表你买了某只股票，你已经没有更多的资本。你唯一的两个选择是“持有”或“卖出”。作为第一步，需要创建一个简单的奖励表。
如果我们决定“持有”，那么我们将在 1 月 31 日之前得不到任何奖励，最后我们将得到 1.09 的奖励。如果我们决定在任何一天出售，那么回报将是截至当天的累计回报。奖励表（ R 表）如下所示。如果我们让 RL 模型从奖励表中选择，RL 模型将出售股票并获得 0.95 的奖励（显然这不是我们想要的）。
预计 1 月 31 日价格将升至 106 美元，涨幅达 9%。因此，你应该把股票持有到那时。我们必须提供这些信息。这样 RL 代理可以做出持有的决定而不是出售。
我们为了做到这一点，需要创建一个 Q 表。先将奖励表复制到 Q 表中，然后使用 Bellman 公式计算每天行动的奖励。
Bellman 公式
图片: https://uploader.shimo.im/f/HNSeI4chHuiQIg04.png!thumbnail?accessToken=eyJhbGciOiJIUzI1NiIsImtpZCI6ImRlZmF1bHQiLCJ0eXAiOiJKV1QifQ.eyJleHAiOjE2ODM4OTEzNDAsImZpbGVHVUlEIjoiaDhna1d2d1JoQ0dDV1BZNiIsImlhdCI6MTY4Mzg5MTA0MCwiaXNzIjoidXBsb2FkZXJfYWNjZXNzX3Jlc291cmNlIiwidXNlcklkIjo3NTIxMjcwMH0.BU-OKWEyfQIATtAVJwllXuudbPFT8-lHgx4D52-6E94
在这个方程中，s 是状态，a 是时间 t 的一组动作，ai 是这个动作集中的一个特定动作。R 是奖励表。Q 是 state action 表，但随着我们通过经验对系统了解的加深，它会不断更新。γ是学习率。
我们将首先从 R 表中，1 月 30 日的“持有”行动的 q 值开始计算。
1 、计算采取行动的回报：从 R 表可见为 0.
2 、假设γ=0.98 。第二天，即 1 月 31 日，卖出和持有操作的最大 Q 值为 1.09 。
3 、根据 Bellman 公式，1 月 30 日的“持有”行动的 Q 值为 0+0.98*（ 1.09 ）=1.06 。
以此类推，得到 Q 表如下所示
这时 RL 模型将选择“持有”动作以使 Q 值最大化。这个更新 Q 表的过程称为 Q 学习。
这里我们只使用了行动和状态这两个状态变量。但现实中，我们面对的将是巨大的状态空间，因此，建立一个 Q 表既耗时又耗计算资源。
为了克服这个问题，我们可以使用深度神经网络。 也可称它们为深度 Q 网络（ DQN ）。
深度 Q 网络从过去的经验中学习 Q 表，当以状态作为输入时，它们可以为每个行动计算 Q 值。 我们可以选择最大 Q 值采取的行动，从而得到最大的回报。
小结
最后你可以构建自己的 RL 系统来对真实市场数据进行回测和实际交易，从而使强化学习在交易领域更好的发展。
职位：量化研究员 /交易员 /PM （期权 /期货 /股票 /Crypto 等方向，高中低频都可）
公司介绍：70+家对冲基金
关键词：量化策略研究、实盘管理
地点：沪 /京 /深 /杭 /新 /美 /远程
推荐奖：RMB 3000-30000 元
薪资：RMB 40-800 万+奖金
工作职责：
1.发掘金融市场运行的客观规律，形成投资策略、验证交易策略并实盘，具体涉及交易想法的策略化、数据处理、策略历史回测、实盘交易等
2. 对量化投资策略的表现进行跟踪、分析、评估和改进
任职要求：
1.国内外顶级大本科及以上学历，数学、计算机等相关专业毕业； 0-10 年相关工作经验（应届生需具备量化实习经验）
2.精通 python/C++/C#中至少一门语言；
3.研究任一领域均可：CTA 、A 股、港股、美股、期权、加密货币，高中低频均可；交易执行算法 ； 深度学习 ；金融场景下的 NLP 研究和应用 ；高频交易 ；波动率预测等
职位：系统开发 /量化开发 Quant Developer/数据开发 Data Engieer
推荐奖：rmb 5000-20000 元
地点：沪 /京 /深 /杭 /新 /美 /远程
年薪：RMB 40-200 万+
公司：70+家对冲基金
关键词:c++， 量化系统开发、回测系统开发、Linux 、数据开发、量化开发、量化实现
职责描述（以下任一）：
1.负责期货 /期权 /股票 /数字货币等的交易系统的开发、优化和维护
2.对研究员策略实现过程提供数据和技术支持
3. 开发数据生产任务，对原始数据进行采集、检查、清洗、加工
任职要求：
国内外知名院校本科及以上学历，计算机、软件工程等相关专业，有量化行业经验优先
具备以下任一相关经验：
1.熟练掌握 C++/Python/JAVA/C#中的一两种语言，懂 Shell ，熟悉常用的数据结构和算法
2.熟悉 C++和 Python 开发，理解量化策略，过往具备量化策略代码化经验优先
3.熟练使用 python 进行数据分析及处理，具备一定 c++能力；
目前尚无回复
Select Language