目前随着基于算法技术的量化交易模式在证券交易领域的应用展开，各种量化交易软件，量化交易基金开始兴起。专业投资机构开始使用按各自偏好设计的程序化交易系统辅助交易，或者完全由基于人工智能技术进行的交易。由于选股策略以及投资组合的不同，对收益会造成很大的不同。金融科技专家陆明其长期致力于券商业务创新的系统开发实践，并积累了丰富的证券行业创新业务研发经验，他在Explore Science、China Science and Technology Information等权威学术期刊发表了众多科研文章，其中具有较大影响力的学术研究包括“证券磁卡业务银行计算机清算处理系统的设计与实现”、“大型证券大集中清算系统的研发与运营”、“基于DSA的分布式应用软件体系结构的证券法人清算系统的研发”。2023年2月，陆明其主导了“基于人工智能算法技术的证券品种选择和交易全自动系统研究”，该项目的目的是通过机器学习，为普通合格投资者或者中小专业投资机构创造一个全自动系统，可以大量节约分析时间和人力，降低运营财务成本，提高交易效率和业绩。

　　陆明其认为，利用人工智能进行量化交易其实包含了从查阅和收集行业历史数据，财务历史数据，建立经验模型，选择标的交易品种，选择交易机会等重要步骤组成，而每一个步骤目前都可以使用人工智能技术解决，做到基本可以替代人力的程度，如果对目标交易品种人工确定后，基本可以做到全自动交易。

　　陆明其对行业内重点上市企业的历史财务状况进行分析，了解企业的经营情况，重点查询过去几年的财务数据，重点查询营收，利润，库存周转率，经营管理成本，现金流，债务规模等关键指标数据，科技行业，服务行业等各项指标略有差异，但他重点放在影响企业营收增长，经营成本，现金流，债务规模等关键指标数据上，制作同类或者同行业数据集。

　　有了以上数据后，陆明其开始建立经验模型，对比行业数据和行业内重点企业的财务数据，将数据合并，并做成数据集，用欧式距离KN等分类或回归算法，通过对行业数据和业内重点企业财务数据关联度分析，训练出能有效识别行业优质和未来有发展前景企业的人工智能模型，模型可以根据偏好进行设置权重，无论行业热门还是价值估值，不同的偏好采用不同训练方法。

　　陆明其对目标企业的财务数据进行清洗，清洗后的数据导入选股模型，机器会根据训练好的模型，自动筛选出符合要求的目标清单，然后将目标清单里的目标企业数据输入估值模型，估值模型会找出低估或则未来高成长的目标，输出交易目标清单。

　　陆明其 建立智能交易模型-选择交易时机

　　有了交易目标清单后，接下来就是找出合适的交易时机。陆明其利用高等数学，统计学，概率学等算法作为基础，使用Reinforcement Learning(增强学习)方法，通过微分求导，梯度运算等现有的人工智能算法工具(Tensorflow，Pytorch等)，利用目标交易品种的历史数据，对交易模型进行训练，根据历史经验数据找出合理的交易(买，卖)时间点。用模型按照历史数据算出的最优买卖时机概率进行交易，达到规避人类情绪影响原计划交易策略导致收益减少甚至亏损，同时大幅度提高收益并大幅度减少损失的目的。机器模型通过日常交易反复自我学习，不断调整最大概率计算结果，达到收益最大化的目的。

　　选股，估值，交易全流程使用多种人工智能算法组合的自动化算法交易系统，在运营期间大幅跑赢同期指数基金，说明陆明其研发的基于人工智能算法的自动化交易系统在证券交易行业具有优势，机器交易可以避免交易员人为情绪影响造成的失误，并大幅度提高平均收益率，另外，由于系统采用Reinforcement Learning方法，系统会不断根据行情自我学习提高交易判断准确度，提高盈利水平，在未来会有更广阔的应用前景。(作者：石爱炜)