什么是机器学习
在开始之前，我们需要简单介绍一下机器学习领域的几种主要技术，我们将用通俗易懂的语言来阐述，帮助大家对这些技术有一个基本的了解。
深度学习(DL, Deep Learning)是源于人工神经网络的研究，其动机在于建立、模拟人脑进行分析学习的神经网络，它模仿人脑的机制来感知并解释数据。
通俗来讲，深度学习模拟了人脑神经元结构，通过大量且多层次的模拟神经元来感知与解释数据，最简单的例子就是手写数字识别，在感知了大量手写数字图片后，模型对数字的特征有了认知，便可以轻易识别其他手写的数字。
强化学习(RL, Reinforcement Learning)，又称再励学习、评价学习或增强学习，是机器学习的范式和方法论之一，用于描述和解决智能体在与环境的交互过程中通过学习策略以达成回报最大化或实现特定目标的问题。强化学习不要求预先给定任何数据，而是通过接收环境对动作的奖励（反馈）获得学习信息并更新模型参数。
举个例子，当我们训练狗狗时，需要在狗狗做出正确动作时给予它们一定的零食作为奖励，当它们做出错误的动作时，拍打它们的头部作为惩罚。经过一定次数的训练后，狗狗会意识到只有通过听取指令并完成对应动作才能获得更多的零食，同时也会避免受到拍打的惩罚。在强化学习中，狗狗就是我们的模型，零食和拍打对应的就是回报的增减，而环境的反馈，即是我们对狗狗的奖励与惩罚。
深度强化学习将深度学习中的感知能力和强化学习中的决策能力相结合，可以直接根据输入的数据进行决策操作。它更接近人类思维方式，是一种人工智能方法。
其中，最著名的应用便是谷歌的AlphaGo，它通过深度强化学习技术在围棋比赛中击败了多位世界冠军，令人惊叹。
项目框架
我们的交易模型依托于领先的深度强化学习算法，能够通过模拟人类的决策过程，更好地理解股票市场的复杂性。我们旨在培养一个有自主意识的 AI，它能够自行学习操作策略并完全独立进行交易；它能够根据市场情况和其他外部因素自行决策，而不需要人为干预。我们相信，通过持续不断的学习和改进，这个系统最终会成为一个高效、安全、可靠的投资工具。
我们的目的是通过赋予AI个人投资者的视角，帮助投资者在不影响市场、不需要大量资金的情况下，做出最理性的投资决策。我们希望通过这种方式，为个人投资者提供更多有价值的信息，帮助他们做出更好的投资决策。
同时，我们也会不断调整和优化这些算法，使它们能够更准确地预测市场走势，为投资者提供更优质的交易反馈。
目前完整的框架如下：
如果您发现框架图在阅读时不够清晰，可以在我们的同名公众号回复"框架图"，我们会为您提供原始文件。
下面我们将对每个模块进行简要介绍，快速了解这些模块的功能和用途。
港股行情模块
我们收集了每日股票交易的逐笔交易数据，并通过特征工程来构建当天的交易数据图谱。这些数据图谱包含了当天股票交易的所有信息，可以为我们进行深入分析提供基础。
同时，我们还收集股票的K线数据、基础技术指标和基本信息，因为这些信息可以帮助我们更好地了解股票的表现情况，并做出更明智的投资决策。
市场情绪收集模块
我们相信市场是有情绪的，市场情绪是由投资人的个人情绪叠加而成的。在同一市场中，不同投资人由于个人情绪的不同，会对市场产生不同的解读，并采取不同的交易操作。
例如，当股市接连下跌时，有的投资人会选择止损抛售，而有的投资人则会选择逆市加仓。这些个人情绪会受到市场波动和新闻讯息的潜移默化影响。
因此，我们会收集并分析个人情绪和市场情绪。个人情绪包括通过逐笔交易数据分析出的交易者面对市场波动时的情绪，以及论坛上的言论表达出的情绪。市场情绪包括行业政策、新闻资讯等所表达出的情绪。
我们认为，通过对市场情绪的分析和研究，我们可以更好地预测市场走势，并帮助投资者做出更明智的交易决策。此外，我们也认为，通过掌握市场情绪，我们可以更好地进行投资组合管理，从而取得更高的投资收益。
股票关联图谱模块
为了更好地模拟人类接收讯息的方式，我们建立了一个股票关联图谱。这个图谱结构是通过将股票之间根据行业相关、参投、业务关联等因素进行构建而得出的。我们认为，通过这种图谱结构，我们可以更好地捕捉市场中的信息传播规律，并从中发现新的投资机会。
每只股票都对应于图谱中的一个节点，这些节点汇聚了实时逐笔交易数据图谱、情绪波动记录、基本面信息、技术指标。
选股模型矩阵模块
我们根据股票关联图谱中每个节点所包含的四个信息，设计了四种不同的选股模型，以满足不同的选股倾向，避免选股策略的趋同导致模型的单一化。
此外，我们还建立了一个模型淘汰机制，在同一选股倾向中，保留了若干个算法不同的备选模型，以便在备选模型在一段时间内表现优异时，将它晋升为实际使用的模型。
同时，我们还在不断更新和改进这些模型，以确保它们能够提供最佳的选股效果。通过这些措施，我们希望能够在选股领域取得最佳的表现。
实盘交易模型
我们基于深度强化学习技术，设计了一种新型的实盘交易模型，旨在在保证低回撤的同时，获得最大收益。我们以稳定、高收益作为模型的奖励，并制定严格的交易规则来限制风险，从而使模型能够长期稳定地产生复利。
我们的模型追求的不仅仅是短期的高收益，更重要的是保证长期的稳定收益。
Q&A
文章主要介绍我们项目的大致结构，并尽可能清晰地解释我们的想法。为了使文章易于理解，我们省略了一些模型细节的处理方式和一些团队内部的设计方案。
我们提供 AI 早尾盘操作与个股评分实时推送，订阅方式和规则请在同名公众号“订阅资讯”查看。
后面，我们将解答一些朋友常提出的问题。
Q：为什么定位为 AI 辅助投资？
在投资领域，AI 技术可以用来分析大量的历史数据和实时行情，帮助投资者作出决策。
AI 技术也有一些局限性。它无法预测未来，因此也无法保证投资一定会盈利，并且我们也认为量化领域的核心问题不是预测，未来是不可预测。AI 只能提供一种操作策略供投资者参考，不能作为唯一依据。因此，我们认为 AI 技术在投资领域的作用一般只是辅助，而不是主导。
此外，AI 也无法代替人类投资者的判断能力。人类投资者可以根据自己的经验和理解，对市场情况和投资策略作出评估，并做出相应的决策。AI
只能提供一种操作策略，并不能代替人类的判断能力。
Q：个人订阅中对于个股的评分是依照什么标准来得出的呢？
AI 综合了盈利概率、个股走势、个股风险、行业风险、政策走向等多种因素，并动态调整权限配比，得出对个股的评分。
Q：AI操作完全依赖于评分吗？
评分是影响 AI 操作的重要因素，但是它并不是唯一的决定因素。AI 拥有自己独特的持仓交易策略和风险控制策略，这些策略不仅仅基于评分高低来决策。它会考虑到多种因素，包括市场趋势、行业动态和其他与投资相关的信息，来制定最佳的决策方案。
Q：为什么要用这么小的资金量做量化交易？
我们的目标不是与大型投资机构和专业交易员进行竞争，而是培养不会对市场造成影响的 AI 个人投资者，让 AI 能够辅助我们的投资决策，丰富我们的投资视角，而不是直接替代我们进行投资。
我们认为投资是一种有趣的游戏，希望每个投资者都能找到自己喜欢的方式进行投资。
Q：有自动跟单的功能吗？
目前并未提供该功能，在当前的开发计划中也并未包含。
AI 操作并不能保证一定盈利，只能提供另一种操作策略供投资者参考。
同时，我们建议投资者不要完全依赖于AI进行操作，因为机器可以绝对遵守交易规则，在交易过程中不受人为情绪影响，可以做到绝对理性的止盈止损。
Q：模型具体算法可以公开吗？
目前无法公开。
我们的团队希望保护算法模型的知识产权，这是我们团队的核心竞争力。希望您能理解并尊重我们的决定。
Q：模型的交易操作是完全机器决策的吗？
是的。
它可以根据市场数据和交易规则，自动分析市场走势，并作出操作决策。它的决策不受人为干预，可以保证在交易过程中的绝对理性。
比如，当市场行情出现波动时，模型会根据历史数据和实时行情，计算出最优的操作策略。它可以自动进行买卖操作，并在适当的时候自动止盈止损。用户无需进行任何干预。
Q：为什么订阅的股票需要流动性/活跃度较高的？
当股票流动性高或活跃度高时，模型可以更好地分析该股票的交易情况和市场行情。
模型可以通过对大量的交易数据和信息的分析，来更全面地感知股票的价格趋势和风险，更科学地把握投资机会，避开投资风险。
Q：为什么个人订阅的推送方式是邮箱？
后续会采用小程序的方式实时更新。
目前团队人员有限，开发重心在于量化模型。