算力說
量化投資依托量化模型與數據，尋找能夠帶來超額收益的多種“大概率”策略。傳統(tǒng)量化投資模式下，所使用的外來數據在質量和安全上存在重大隱患，量化模型效果不穩(wěn)定，影響量化策略的完整性與精確度。
當多方安全計算技術遇到量化投研，投研機構將怎樣借力挖掘充分數據價值？算力隱私數據安全專欄特邀郭嘉，初探大數據量化建模，及多方安全計算技術與量化投研工作的結合方式。
傳統(tǒng)的投研數據同質化程度極高，模型效果不具有獨特性，美國市場有一群人在挖掘和研究更加互聯(lián)網化的數據指標，稱另類因子。由于第三方數據的開放流通限制，必須遵守數據安全的游戲規(guī)則。本文借由投研對數據的安全建模方案，實現了多方數據的投研建模，并實現了投資模型的加密部署。
1大數據的量化邏輯
我們可以按數據開放程度，簡單地把投研信息分為三類：公開數據、半公開數據、以及非公開數據。
公開數據，很好理解，就是股價，K線圖等隨時可以查看的數據；
半公開數據，指我們可以獲取到，但不能全面地獲取的數據，如實時的資金流向我們隨時可以獲取，但是網站并不會公開以往的數據；
非公開數據，即市場上與股票相關的其他公司、證券交易所內部數據，無法對外提供。
引入一個概念——量化投資，量化投資簡而言之就是在數據中找規(guī)律。大數據為量化投資打開了全新的大門，在量化交易中引入大數據技術，可以充分挖掘海量數據所隱藏的一切信息，來預測金融經濟活動，并結合歷史預測，及時將預測效果加以反饋，以動態(tài)更新交易策略，獲得最理想的預測效果。
傳統(tǒng)的各類量化指標，無論是基于價格還是基于財務數據都會存在一定的滯后性，無法用更具領先性的手段來了解行業(yè)和市場。而采用了大數據技術的行業(yè)及個股判斷，則可以在一定程度上改善這一情形。利用搜索因子可掌握投資者情緒，利用電商數據可實時得知各行業(yè)的基本面動向，利用大V數據集合了集體的智慧，這幾種大數據理論上都可以用來預測未來市場情況，將互聯(lián)網金融的大數據作為選股因子引入模型，代表著資產管理機構在指數投資上重構選股邏輯。
股票市場的信息不對稱性是一直存在的問題，量化交易者無法獲知市場上非公開數據和互聯(lián)網數據，且基于大數據與模型的量化交易，往往對操作中的數量與時間節(jié)點要求分外嚴格，丟失或篡改數據均會致使預測與正確結果相偏離，又或致使交易在不對的時刻，以錯誤的數量來達成。若因信息不安全而外泄數據，長時間便可能會致使業(yè)內彼此利用這些數據來惡化競爭。
2多方安全計算的量化優(yōu)勢
事實上，有價值的數據往往躺在別人的懷里，如何只進行“精神共享”，不進行“肉體接觸”，這是當下對數據應用安全的合規(guī)要求。隱私計算技術很好地解決了這個用數難題。多個持有各自私有數據的參與方，共同執(zhí)行一個計算邏輯（如求最大值計算）并獲得計算結果，各方發(fā)送的消息中不能推斷出各方持有的私有數據信息，在此技術下，各參與者的身份和地位相同，可建立共享數據策略。由于數據不發(fā)生轉移，因此不會泄露用戶隱私或影響數據規(guī)范，為了保護數據隱私、滿足合法合規(guī)的要求。專業(yè)術語稱之為多方安全計算。
此技術能夠在保證信息安全前提下，讓投研機構利用非公開數據資訊和信息，更好的發(fā)掘和預測股票的波動。本文即嘗試通過安全多方計算技術和聯(lián)邦學習技術，將公開數據和非公開數據進行結合，并進行量化交易分析，希望該案例能夠給從事量化交易的專業(yè)人士拓展分析思路。
123下一頁>（免責聲明：本網站內容主要來自原創(chuàng)、合作伙伴供稿和第三方自媒體作者投稿，凡在本網站出現的信息，均僅供參考。本網站將盡力確保所提供信息的準確性及可靠性，但不保證有關資料的準確性及可靠性，讀者在使用前請進一步核實，并對任何自主決定的行為負責。本網站對有關資料所引致的錯誤、不確或遺漏，概不負任何法律責任。
任何單位或個人認為本網站中的網頁或鏈接內容可能涉嫌侵犯其知識產權或存在不實內容時，應及時向本網站提出書面權利通知或不實情況說明，并提供身份證明、權屬證明及詳細侵權或不實情況證明。本網站在收到上述法律文件后，將會依法盡快聯(lián)系相關文章源頭核實，溝通刪除相關內容或斷開相關鏈接。 ）
