金融数据的数据量庞大而又复杂，人们一般试图通过长期观察而对金融数据的运行规律形成一定的理解。虽然在很多时候，有不少人能够通过自己的洞察力形成一些天才的见解，但是人脑在处理这些复杂信息时会有一些天生的缺陷，导致我们大部分时候还是处在懵懵懂懂的混沌之中。尤其是当数据曾显现出某种高维的状态时，人脑的天生结构使得我们的直觉无能为力。我们之所以发展出很多市场指标，就是为了将市场数据简化成几个我们能够方便理解的数字。
从统计学发展起来的人工智能技术在一定程度上能够帮助人们处理这种情况。有许多人工智能算法的设计思想其实是非常简单的，甚至我们有时还会认为些算法的思想会显得有些愚笨。但是，这些算法的突出好处是，其在一定程度上可以应对大量的高维数据，从而能够帮助我们对市场形成人脑难以获得的新的理解。
实际上，人工智能在生活中离我们并不遥远。我们每天使用的搜索引擎是人工智能应用的一个最为典型和成功的例子，甚至是最为普通的拼音输人法也加人了人工智能的因素，这才使得现在的拼音输入速度比十五年以前提高了多倍。
人工智能在国外的量化投资中大约兴起于上世纪九十年代。在诸多人工智能算法之中，神经网络和遗传算法是大家研究和应用的最早的，并且直到目前，每年仍然有大量的有关这两种算法在交易之中应用的论文发表。继这两个算法之后，更多的人工智智能算法被融入到量化投资研究之中，其中比较有代表性的有隐马氏模型，贝叶斯网以及聚类分析等等。
我们接下来将主要介绍人工神经网络和遗传算法(包括遗传编程），对于其他的各种算法，请自行参考相关书籍和论文。
1.人工神经网络在交易算法设计中的应用
说到人工神经网络，我个人的经验是身边很多人会把这种算法和人工智能等同起来，实际上，人工神经网络仅仅是人工智能算法的一种，人工智能所包含的范围比神经网络要大得多。人工神经网络的基本组成单位是神经元，这和自然界的神经网络有些类似。在自然界中，一个个神经元联结起来，组成了有感知和思维能力的大脑。而在人工神经网络之中。我们通过数学函数来模拟神经元的工作过程。
2.遗传算法
从统计学发展起来的人工智能技术在一定程度上能够帮助人们处理这种情况。有许多人工智能算法的设计思想其实是非常简单的，甚至我们有时还会认为些算法的思想会显得有些愚笨。但是，这些算法的突出好处是，其在一定程度上可以应对大量的高维数据，从而能够帮助我们对市场形成人脑难以获得的新的理解。
实际上，人工智能在生活中离我们并不遥远。我们每天使用的搜索引擎是人工智能应用的一个最为典型和成功的例子，甚至是最为普通的拼音输人法也加人了人工智能的因素，这才使得现在的拼音输入速度比十五年以前提高了多倍。
人工智能在国外的量化投资中大约兴起于上世纪九十年代。在诸多人工智能算法之中，神经网络和遗传算法是大家研究和应用的最早的，并且直到目前，每年仍然有大量的有关这两种算法在交易之中应用的论文发表。继这两个算法之后，更多的人工智智能算法被融入到量化投资研究之中，其中比较有代表性的有隐马氏模型，贝叶斯网以及聚类分析等等。
我们接下来将主要介绍人工神经网络和遗传算法(包括遗传编程），对于其他的各种算法，请自行参考相关书籍和论文。
1.人工神经网络在交易算法设计中的应用
说到人工神经网络，我个人的经验是身边很多人会把这种算法和人工智能等同起来，实际上，人工神经网络仅仅是人工智能算法的一种，人工智能所包含的范围比神经网络要大得多。人工神经网络的基本组成单位是神经元，这和自然界的神经网络有些类似。在自然界中，一个个神经元联结起来，组成了有感知和思维能力的大脑。而在人工神经网络之中。我们通过数学函数来模拟神经元的工作过程。
2.遗传算法