量化,數據與公式.

2022-01-08 方法論哲學

一切的文字都要轉化為數字,一切的命題都要轉化為定理,一切的定理都要轉化為數學公式、函數、方程,一切的結論都要有數學證明,一切的策略都要量化。

一切都要以數據說話,公式說話。

倘若不加以量化,可能就會不夠精確和嚴謹,如果能夠量化,那麼會最大程度的客觀。比如某個商品的估值問題,倘若搜集到各種需要的數據,有估值公式,計算一下當下和未來的該商品的價值,再對比一下現在的市場價格,就很清楚市場對該商品的估值高低,是低估還是高估了。

比如說某個商品通過估值公式計算出鎳未來某個時刻某個時間段的價值是10萬每噸,現在是8萬每噸,那就知道會有升值空間。

一切的問題都要致力於尋找數學的解決辦法

新時代就是數學的時代,新江湖就是數學的江湖。

在辯論的時候,正反辯論雙方都應該對自己的論點給出理由,給出論據,給出論證,給出證明,給出數學公式推導過程。

一切的自然現象背後都有一個不變的數學公式支配著,問題的關鍵就是從變幻無窮的現象中,找到其背後的數學不變量。

美國人是非常推崇數學的,無論什麼,首先想的就是先去量化一下,定量分析,量化思維比較擅長和習慣。我們中國人,比較推崇和習慣的是定性分析問題,講究個拿捏,火候,其實一切都可以量化掉,用數字表徵出來。數字才是最精確的,我們應該快速轉過這個彎來。

把能量化的和不能量化的全部都給量化了,量化一切,一切都可以量化。無論是諸如物理、化學等自然科學還是諸如經濟學、金融學、社會學等哲學社會科學,全部都要量化。

我們要客觀,不要主觀,我們要客觀的世界觀,即對客觀存在的客觀映射描述,不摻雜主觀感覺的,我們要客觀的方法論,即對做事情客觀的目標方法執行和風控。而量化,就是最大的客觀,最科學的客觀,量化世界觀,量化方法論,量化目標,量化方法,量化執行,量化風控,一切數字的和非數字的都要轉換翻譯映射等價成數字。

量化,量,即數量,化,即轉化,量化即數量化,轉化為數據。

世界觀的量化,一個圓,量化為圓的公式方程(x-a)2+(y-b)2=r2,某件事發生的可能性非常大,到底有多大?量化成一個概率,比如90%的概率,我們國家經濟發展很快啊,經濟發展速度很快,到底有多快?量化為GDP,改革開放幾十年來接近平均兩位數GDP的增長率,而其他很多國家這幾十年就沒有這麼高的經濟增長率,數字比較一下,就比較出我們快了。某個大學很好,到底有多好?量化一下,看一下博士點個數,SIC發表論文篇數,各種著名學者的人數。

方法論的量化上,玩保皇撲克,到底哪一家贏?農民還是皇帝家?量化一下,從第一名到第五名量化為5 4 3 2 1分,打完了每一家加總求平均數,哪一家平均數大,哪一家贏。這是判別輸贏的一個數學方法,非常公正。數學是最公正,不含糊,不偏不倚的。

一切都要讓數說話。讓數字說話,誰都不要說,就讓數字自己開口說,世界觀到底是怎麼樣子的,方法論到底是要怎麼做的。世界觀它家裡沒有數字怎麼辦?先翻譯轉化為數字,如果是純粹的數字世界觀,那就直接說,要是不是,就先轉化等價為數字再說。這個轉化和等價當然是要完全等價,而不是胡亂映射的。方法論它家裡沒有數字怎麼辦?一樣的辦法,方法,必須要量化為量化策略,才可以,量化不成數學的方法,不可以,不用。都沒有數字,執行都不知道怎麼去執行。一個炒菜的方法,放多少鹽,多少油,煮多長時間,都要嚴格量化,而不是拿捏掂量,這太不科學了。未來廚師要失業,機器人做的菜會最好吃。顛勺的廚師一定會失業,廚師應該集中精力到菜譜研究上。不過,過去機器人解放了人的雙手,即策略的執行上,不用人執行了,機器人就搞定了,比如阿爾法狗,輸入一個策略,它就可以執行了。未來的人工智慧機器人,估計把人的大腦也解放了,策略都不用你寫了,它自己就會學習會寫,比如阿爾法元,都不用教它策略,它自己就可以構築方法策略了。以前牛人不用動手,以後估計都不用動腦了。每個人徹底達到馬克思設想的自由世界,一切的一切,機器人都幫我們搞定了,我們只做我們喜歡做的想做的感興趣的就可以了,獲得最大的解放和自由。

關於量化,再比如說,牛頓的《自然哲學的數學原理》,即現代物理學,就是把當時的哲學思想量化成數字、數據、公式、方程、函數,把支配自然現象的背後的數學方程挖掘了出來。笛卡爾創解析幾何,把幾何圖形給量化了,找到了圖形對應的數字。

世界是變化的,更是量化的,量化這個世界。世界觀上,完全量化這個世界,方法論上完全量化一切方法。且完全相信量化(世界觀的量化與方法論的量化),完全相信機器人。

對於規律的量化,要考慮到我們之前講的兩類規律,必然規律和統計規律的量化,必然規律是精準的規律,統計規律是概率的規律。對於這兩個的量化要完全按照各自的屬性進行量化,比如,統計規律它不是精準的,而是概率的,就要用概率量化。在這個問題上犯過錯誤的是大科學家牛頓。大家都知道,牛頓當年炒過股票,而且虧損累累,他感嘆到,他可以精確計算天體的運行規律,卻無法計算股票價格的運行規律,這是為什麼呢?就是犯了沒有區分開必然規律和統計規律的失誤。牛頓沒有考慮統計規律的量化,僅僅考慮精準規律必然規律了。他統計學不好,是機械論者,沒有混沌理論思想。牛頓以為,價格的運動跟天體運動一樣遵循必然規律,其實不然,價格的運動遵循統計規律。哲學上講,牛頓是機械唯物論者,不是辯證唯物論者。這個世界有一些規律是機械必然規律,有一些事物的運動卻不遵循這樣的必然規律,而是遵循統計概率規律的。所以,對於必然規律運動的事物,採取的策略是必然策略,對於這種統計概率規律的物體,採取的要是統計策略。當然,兩者都最好要是必然的邏輯策略。關於策略的一個標準分類,本來打算寫一篇文章闡述一下,既然寫到這裡了,這裡就順帶簡單闡述一下。策略可以根據邏輯和統計的標準區分為統計策略和邏輯策略。前者是歸納統計歷史數據構築的策略,後者是從整體邏輯上構築的策略,前者即歸納策略,後者即演繹策略。歸納策略,可能會不適用於未來,未來可能會失效,而演繹策略會永久有效。無論上述必然策略還是統計概率策略都可以有歸納策略和演繹策略。

當然,量化的定義以前也說過了,就是對於非數據的東西的一個數據化,它們兩個是等價的,指的同一個客觀存在。文字與對應的數字就像英語和漢語的關係,同一個客觀存在之概念可以用英語詞彙表達,也可以用漢語,都是同一個意思。文字和數字是同一個意思,但是數字處理起來方便精確客觀。

再比如,商品價格變化的背後,都有一個不變的公式支配著它變動。

地球圍繞太陽轉動,背後有一個公式支配。

地球什麼時間轉到什麼地方都是一定的定數,商品價格也是。

你的人生命運也是,你也受到某個公式的支配。

你說的某句話也是

背後有個公式支配著你必然性在某個時刻說某句話

你是否出門你說了不算

背後支配你的公式說了算。

你的公式的一個外在表現形式就是你的性格和習慣。

性格和習慣公式支配著你

說的話,做的事,每一次你對每個事務的反應,表情,等等。

你說了不算,全部是你長時間形成的性格和行為習慣註定。

某句話,某個反應,你改變不了的,除非改變了性格。

商品價格波動也是,只要背後公式不變,它就永不變,什麼時間在什麼地方註定。

任何事情都可以有個公式可以計算出來

比如說美聯儲加息,不是亂加的,他每次也是根據一個利率公式,什麼時候加,加多少,完全由著利率公式完全決定。

客觀世界存在著一個個的公式,等待著我們去發現。

量化,包括世界觀的量化與方法論的量化,數據,分為世界觀的數據與方法論的數據,公式,區別為世界觀的公式與方法論的公式。

相關焦點

  • 量化數據解讀國家救市!
    量化數據解讀國家救市!從6月30日管理層出利好消息開始到目前為止,雖然從股指的角度來看,市場繼續出現大幅震蕩的走勢。
  • 薩繆爾森與量化金融淵源
    國內學界將"quantitative"一詞翻譯為「數理」因此很自然的讓大眾以為「量化金融學」以及「量化經濟學」的發展是過去幾年才興起的,其實「量化」的方法思考和處理經濟與金融的問題應該是從薩繆爾森的時代就已經確立。
  • 社區分享 | TensorFlow 模型優化:模型量化
    原本 w,x 是 float32,現在使用 int8 來表示為 qw,qx;模型量化的原理就是定點 (qw qx) 與浮點 (w,x),建立了一種有效的數據映射關係.。不僅僅量化權重 W ,輸入 X 也要量化;詳解如下:R 表示真實的浮點值(w 或者 x),𝑸 表示量化後的定點值(qw 或者 qx),Z 表示浮點值定點量化後的量化零點,S 則為浮點值定點量化後的量化尺度。
  • 量化投資歷史上的大神們(公式多,燒腦,數學渣勿進!
    這種「隨機遊走」的理念後來貫穿於許多科學領域,尤其是普遍運用於各種不可預測的連續時間過程的機制,基於布朗運動的對數正態隨機遊走理論也是金融市場的經典框架,為之後的量化金融的蓬勃發展奠定了基礎。量化開拓者Louis Bachelier是第一個量化描述布朗運動的人。
  • 一位從事量化交易的實戰者,手把手帶你入門量化交易!
    大數據文摘出品來源:quantstart編譯:LYLM、笪潔瓊本文作者是一位從事量化交易的實戰者,他將他的實戰心得寫成一個量化交易系列,本篇則是系列的第一篇,從文中你會對整個量化交易的框架量化交易系統由四個主要部分組成:執行系統-與經紀(開戶)公司對接,自動化交易以及最小化交易成本。風險管理-最優資本配置,「押注規模」/凱利公式以及交易心理。 所有的量化交易過程都是在研究初期就開始了的。
  • 大數據量化交易二
    從零開始學Python大數據與量化交易
  • 量化類產品是什麼意思 量化類產品有哪些特點
    原標題:量化類產品是什麼意思 量化類產品有哪些特點   量化類
  • 「量化自我」——從數據化個體的角度重新審視「大數據」
    普適計算很可能不再是預言,因為數據,正逐漸滲透人們的生活,影響、甚至取代原有的知識生產方式和認識框架,而其中一個非常重要的趨勢,就是「量化自我」(Quantified Self)。 量化自我,標誌著社會化的個體開始主動運用數據的方式開展認識自我的實踐,預示著人類認知領域全面數據化的開始。
  • 什麼是量化交易?從愛德華索普和二十一點說起
    後來這個方法被用到賭場的投注比例上和投資的資產配置上,就是著名的凱利公式。    凱利公式是一個在期望淨收益為正的獨立重複賭局中,使本金的長期增長率最大化的投注策略。根據凱利公式,可以計算出,使得資金增長最大化的f的值,    f=(pb-q)/b=(40%*2-60%)/2=10%    索普在了解了凱利公式後,花兩周時間總結了這個公式的速算方法,因為你去賭場總不能帶著計算器吧。之後索普去賭場實戰,驗證自己的理論,很快獲取了大量的收益,也因此被賭場拉入了黑名單。
  • 量化自我:大數據時代學習的新趨勢
    本文由《現代教育技術》雜誌授權轉載摘要基於可穿戴設備的量化自我技術帶來的是一種新的生活方式,可以使計算系統能夠更好地理解人類用戶的意圖和語境,更好地模擬演繹人類智能,這也將成為大數據時代學習的一種新的趨勢。
  • 融合大數據,FollowQuant開創量化交易新時代
    Followme作為國內持續追求創新的交易社區,為了打造基於用戶數據的量化策略開發平臺,不惜耗資千萬,潛心鑽研700日,深入挖掘和分析社區上億交易數據,打造了一個震撼行業的創新性產品 -- FollowQuant。作為全球大數據智能量化交易解決方案,FollowQuant的誕生,是外匯交易史上一個重要的裡程碑,將開創一個全新的量化交易時代。
  • 你應該知道的基本的量化金融學知識
    BSM歐式期權定價公式的全稱是Black-Scholes-Merton歐式期權定價公式,該模型是三位經濟學家的名字的縮寫,這三位經濟學家分別是布萊克-費克雪(BlackFischer)、邁倫·斯科爾斯(Myron Scholes)和羅伯特.莫頓,該模型最早由費克雪和斯科爾斯在1973年提出,發表在著名經濟學學術期刊《政治經濟學期刊(JPE)》,論文題目為《期權定價與公司債務》,他們利用偏微分方程推導出了歐式期權的定價公式
  • Excel修改數據系列公式(SERIES公式)
    除了曲面圖、股票圖等特殊圖表外,一般圖表中的每個數據系列都對用一個數據SERIES公式。選擇圖表中需要修改的數據系列,在公式編輯欄中顯示對應的SERIES公式,在SERIES公式中可以編輯引用引用單元格地址、文本或常量數組,自定義名稱等,從而達到改變圖表數據源的目的。
  • Pytorch實現卷積神經網絡訓練量化(QAT)
    對稱量化的量化公式如下:對稱量化量化公式其中所以把量化之後的權值限制在(-127,127)之間,那麼一次乘法運算得到結果永遠會小於-128*-128 = 2^14。對應的反量化公式為:對稱量化的反量化公式即將量化後的值乘以
  • 如何用數據 有效量化 99% 的設計價值?
    「產品數據增長是因為設計導致的?還是因為渠道投入?」「設計的價值如何量化?」.你是否經常被這樣的問題困擾?你是否也曾感到困惑?我們用了各種量化數據來說明哪個設計更加好。所以評價設計好壞的標準,還需要看是否有可量化的對比指標。知道了評價設計好壞的標準,那我們回歸到最初的問題,我們如何結合評價標準來量化設計的價值呢?
  • 【量化(Data、數據化)】的重要性
    (這也是為何基層員工不願意參與改善的重要原因之一)那麼今天,我們在來一起看看,「量化」的重要性。所以我們會通過測量體溫或檢查血液等手段收集更加細緻的數據。之後對這些數據進行解析,最終能獲得適合的措施。- 同樣,數據是為了正確,準確掌握事實的一種重要行動。通過直覺,經驗和膽量是無法解決問題的。只有運用科學,邏輯性思考為基礎的工具,才可能做到問題的解決。- 其中較為常用的QC工具則是比較科學,邏輯性較強,具有代表性的一種方法。
  • 600億美元「量化之王」來中國淘金!曾師從量化「祖師爺」,定位自己...
    華爾街「量化巨頭」接連來中國淘金!9月20日,美國著名量化對衝基金Two Sigma宣布,該機構在華設立的外商獨資企業——騰勝投資,正式在中國基金業協會登記成為私募基金管理人。這意味著,Two Sigma將面向中國本土投資者開發和銷售在岸投資產品。
  • 量化交易入門
    策略一旦確定,我們就需要獲取歷史數據,並藉此展開測試,如有可能還可改進策略。現在賣數據的很多,所有資產類型的數據都有。通常,數據的質量、深度、時間間隔不同,其價格也不同。剛入門的量化交易員(至少零售等級)最初使用雅虎金融板塊(YahooFinance)的免費數據就行。對於數據供應商,這裡不再贅言。我想重點談一談處理歷史數據時,時常遇到的問題。
  • 下午量化投資發展趨勢論壇文字實錄
    量化投資並不是靈丹妙藥,只不過是一個比較好用的方式。大家比較熟悉的是圖表法和技術分析法,歷史是很久遠的。不同的技術分析人員,給他不同的數據和圖表,做出來的判斷分析是完全不同的,有很多人為的因素在裡面。基本面型加量化型也有一些基金是做量化公式,所用的輸入數據是基本面型的一些指標,股票選股上有很多是這一類的投資方式。
  • 大學生如何入門Python量化金融?
    缺點是內容局限於編程基礎,而不是針對量化金融,沒有NumPy、Pandas等數據分析常用第三方庫的內容;https://wxb84a237c3cb414e2.h5.xiaoe-tech.com/……提到量化金融必備的Python技能當然是要王婆賣瓜自賣自誇啦,金融都會量化團隊精心研發的《Python量化投資與金融實戰應用》