Northstar-v7.x 从此能用AI来做量化交易

【导读】两年前，大概还是在 v4.x 版本的时候，我就已经意识到，量化交易的实践路径必须是从程序化走向智能化。但如何把 AI 能力集成到 Northstar 平台是一个难点。经过了一系列的 PoC 探索，如今终于找到了一个可以落地的端到端架构方案...（此处应该有掌声）

有一段时间没发文章了，老粉们应该都知道，我肯定又在憋大招了。这不，当年吹的牛逼终于给实现了：Northstar 盈富量化平台终于可以用 AI 来做量化交易了。

在之前的版本里，正如绝大多数的商业量化软件一样，Northstar 只能做到交易逻辑的程序化与自动化。比如要把开平仓的条件与逻辑都要写得很清楚，这会导致不是欠拟合就是过拟合。随着深度学习方法论的普及，我发现这也许是解决以上问题的新思路。于是，从两年多前就开始意识到，量化交易的最终演化必然是从初级的程序化与自动化，向高级的智能化过渡。

界定问题

既然确定了演化方向，那么如何把人工智能的能力集成到 Northstar 这个平台上呢？首先面临的就是建模问题。这两年多的时间来，我一直把量化交易理解成为一个强化学习问题。

在强化学习模型中，“智能体”对“环境”采取某个动作，然后“环境”把新的状态与奖励反馈给“智能体”。放到量化交易的语境下就是交易策略发出交易指令，然后实际的持仓盈亏就是市场给予的“奖励”反馈。

这个建模思路看上去是多么完美。因此，我一直都认为就该这么落地的。

思路的转变

直到深入地学习了强化学习后、准备动手落地时，便发现了不妥之处。或者说，根本没必要把简单问题复杂化。与强化学习相比，监督学习的模型会更简单，也更好落地。

我们很多时候不得不采用强化学习方法，仅仅是因为我们没有足够的数据样本，因此才不得不通过建立一个强化学习模型来对环境数据进行采样。因此，交互的本质是在做数据采样，从而得到在什么样的环境状态下，做出什么样行动所得到的期望奖励值分布。但在量化交易这个场景下，根本不需要花这功夫，因为历史行情是固定的，我们只需要把环境状态与期望的后续动作建立起关联性，就能得到监督学习所需要的数据。有了数据，便能通过深度学习方法进行拟合。对！不管是强化学习还是监督学习，最终都是拿着历史数据对拟合而已，并没有什么高大上的秘密。

把问题从强化学习转变为监督学习，那实现难度直接降了不止一个数量级。因为强化学习要考虑的问题实在太多，随便一个都有可能引入了新的问题导致训练的结果不如预期。而监督学习就很简单明了，历史行情就摆在那里，期望模型什么时候做多、什么时候做空是显而易见的，这样我们可以在进行数据集处理时便能更容易地发现问题。

架构设计

得益于之前版本良好的可扩展性设计，Northstar v7.x 要集成 AI 能力并不需要做过多的修改，仅仅是需要增加一个数据采样的数据出口，及一个预训练模型的入口。实际的框架选型时，选择了既有广泛用户基础又能提供 PYTHON 与 JAVA 兼容的 Tensorflow 作为预模型加载接口的实现。

如上架构示意图所示，黄色模块就是 Northstar 的系统模块，而带有红色边框的便是这次新增加的模块。在实现时，只需要在策略层实现采样器接口，便可以实现适应任意策略的数据采样，可以采样的数据包括但不限于基础的行情 K 线数据、任意指标的二次加工数据。

数据被采样后会自动保存为 CSV 文件，然后可以在 jupyter notebook 对数据做任意的训练与探索，包括但不限于构建回归模型、CNN 模型、RNN 模型等，并最终以 Tensorflow 预训练模型的形式保存。然后到了生产环境下，策略层可以通过预训练加载器把模型加载到内存以供实盘调用。

实战与研究属性兼备

放眼整个量化交易软件行业，但凡能进行实际交易且能够应用 AI 能力的平台，软件年费不会低于 10000 块钱。如今 Northstar 作为开源项目，把整个交易智能化的端到端方案实现并成功落地，可以说是直接对行业同类软件发起挑战。除了能进行实际交易外，Northstar 的历史回放功能为人工智能在量化交易领域的应用研究提供了一个很方便的一站式环境。其开放可拓展的设计可以让用户针对自己的个性化需求进行定制。

欢迎更多想学习量化交易、智能交易的朋友加入并支持我们社区的发展，一起来玩转量化！

**关于如何用 AI 来优化交易策略的案例，将会在我的知识星球里做更详尽的分享，欢迎来交个朋友加入我的知识星球。
**

---

Northstar 盈富量化平台介绍

Northstar 盈富量化平台是一个能平替文华、MC、金字塔等商业化量化交易软件的开源量化交易专业软件。它能对接任意开放的交易所接口，例如 CTP、币安、老虎证券等，来进行自动化、智能化的量化交易。

Northstar 截止到目前最新的 v7.0.0-Beta 测试版本，已经在生产环境有多样的实践案例，例如半自动/全自动 CTA 交易、跨期套利交易。未来会继续实践更多的不同的交易场景与策略模式，成为个人量化交易中的超级武器。

项目地址：https://gitee.com/dromara/northstar

作者：黄伟亮，Northstar 盈富量化平台作者

关注公众号，带你看更多量化交易的干货

—— 完 ——