华尔街的计算机算法交易
算法交易在金融市场中的应用案例总结
算法交易在金融市场中的应用案例总结在金融市场中，算法交易已经成为越来越普遍的一种交易方式，它通过计算机程序根据特定算法自动进行买卖决策，以实现高效的交易和风险管理。
本文将对算法交易在金融市场中的应用进行案例总结，以展示其在不同市场和资产类别中的应用效果和优势。
1. 股票市场在股票市场中，算法交易被广泛运用于高频交易和交易策略的执行。
以高频交易为例，算法交易可以通过快速识别并利用微弱的价格差异和市场不确定性，进行大量高频交易来获取利润。
此外，算法交易还可以基于技术分析和市场行情预测等策略执行交易，以获取更高的收益率和降低风险。
2. 期货市场在期货市场中，算法交易也发挥着重要作用。
通过运用价格套利、趋势追踪和统计套利等策略，算法交易可以自动识别并执行高收益的交易机会。
此外，算法交易还可以利用大量历史数据和实时市场信息来分析市场走势、优化交易策略，提高交易的成功率和效率。
3. 外汇市场外汇市场是全球最大的金融市场之一，也是算法交易广泛应用的领域之一。
通过利用算法交易，交易者可以自动执行外汇市场的交易策略，如趋势交易、套利交易等，以获取更高的交易收益和降低交易风险。
此外，算法交易还可以根据外汇市场的高度流动性和实时性，进行快速交易和风险管理，以满足交易者的需求。
4. 加密货币市场随着加密货币的兴起，算法交易在加密货币市场中的应用也愈发重要。
算法交易可以帮助交易者自动分析和执行加密货币市场的交易策略，如区块链交易、高频交易等。
由于加密货币市场的波动性较大，算法交易可以通过自动化执行交易策略，避免人为情绪和操作失误带来的风险，提高交易的成功率和收益。
总之，算法交易在金融市场中的应用案例丰富多样，涵盖了股票、期货、外汇和加密货币等不同市场和资产类别。
它不仅能提高交易的效率和成功率，还可以降低交易的风险和成本。
然而，值得注意的是，算法交易的应用也面临一些挑战，如算法的设计和参数优化、市场波动性的影响等。
因此，交易者在应用算法交易时，需要不断学习和优化算法，同时结合市场情况来调整交易策略，以获得更好的交易结果。
国内外量化投资策略研究综述
国内外量化投资策略研究综述【摘要】本文围绕国内外量化投资策略展开综述研究。
在介绍了量化投资的背景和研究意义。
接着，对国内外量化投资策略的现状进行了比较分析，总结了各自的特点和发展趋势。
在详细探讨了国内外量化投资策略的研究现状，并展望了未来的发展方向。
在给出了针对国内外量化投资策略研究的启示和建议，并总结了研究结论。
未来研究方向方面提出了一些思路和建议。
通过本文的研究，可以更深入地了解国内外量化投资策略研究的现状和未来发展趋势，为相关研究提供参考和借鉴。
【关键词】国内外量化投资策略研究、量化投资、策略、研究现状、比较分析、趋势展望、启示、建议、结论总结、未来研究方向1. 引言1.1 背景介绍量化投资是一种利用数学、统计和计算机算法来执行交易的投资策略。
随着信息技术的飞速发展和金融市场的日益复杂化，量化投资策略逐渐成为投资领域的热点。
背景介绍部分将从国内外量化投资策略研究的发展历程和现状出发，介绍该领域的研究基础和发展状况。
国内量化投资策略研究在早期主要集中在传统的技术分析和基本面分析上，随着量化交易技术的不断发展，越来越多的研究者开始关注高频交易、机器学习和人工智能在量化投资中的应用。
国外量化投资策略研究则更加注重理论与实践相结合，强调策略的稳定性和实用性。
通过对国内外量化投资策略研究的比较分析，可以发现各自的优势和不足之处，为今后的研究提供借鉴和启示。
该背景介绍将为接下来的正文部分提供必要的历史背景和研究现状，为读者提供对量化投资策略研究的整体认识。
1.2 研究意义量化投资策略是一种基于数据和数学模型的投资方式，近年来在国内外得到广泛关注和应用。
研究量化投资策略的意义在于可以帮助投资者更科学、更系统地进行投资决策，减少主观性和情绪性对投资的影响，提高投资效率和风险管理能力。
量化投资策略的研究也有助于推动金融市场的发展与创新，促进投资者对市场的理解和认识。
在国内，随着金融市场的不断发展和监管政策的逐步完善，量化投资策略的研究和应用也日益受到重视。
算法交易的发展历史
算法交易的发展历史算法交易作为一种新兴的金融交易方式，随着科技的不断进步，逐渐走进了人们的视野。
但是，很多人对于算法交易还不够了解，不知道算法交易的发展历史是怎样的。
下面，我们就来探究一下算法交易的发展历史。
一、早期的算法交易早在20世纪末，交易员们就开始使用简单的算法模型来进行交易，这些算法模型主要依赖于均线和移动平均值等经典的技术指标，能够解决一些简单的交易任务。
二、HFT的出现高频交易（High Frequency Trading，HFT）是指快速利用算法代码进行数十亿次的交易，以获取微弱的利润差异。
HFT的出现，其实就是算法交易的崛起。
近几年，随着计算机算力的不断提高以及交易应用场景、算法策略的丰富多样，HFT迅速发展起来。
三、人工智能在算法交易中的应用近些年来，人工智能的飞速发展，各种深度学习、神经网络等人工智能技术越来越成熟，为算法交易带来了巨大的机会和挑战。
机器学习的算法与技术发展，使得算法交易能够分析和预测市场，更加准确和快速地处理交易。
四、云计算在算法交易中的应用云计算技术的发展，使得交易所能够利用巨大的计算能力和存储资源，更好地运行和测试交易策略，提高了算法交易的效率和准确性。
此外，云计算将为交易所提供更高的安全性和可靠性，未来云计算将成为算法交易的重要支撑。
五、区块链上的算法交易区块链技术是一种分布式账本技术，在全球范围内为算法交易提供了更快、更便捷的交易确认速度。
在区块链上进行的算法交易将更加安全、保密、透明和无法篡改。
未来，区块链技术将成为各种交易方式的重要支撑。
综上所述，算法交易是根据运用数学模型、计算机程序等技术手段来实现交易的一种智能化交易方式。
它的发展历史经历了从最初的简单算法模型到机器学习和人工智能技术的快速普及，再到云计算和区块链技术的广泛应用。
未来，算法交易将进一步与科技融合，为金融领域带来更多便利和创新，成为一个更加智能、高效的交易方式。
华尔街人工智能交易系统的性价比动态评估
华尔街人工智能交易系统的性价比动态评估随着科技的不断进步和人工智能技术的快速发展，人工智能在金融领域的应用越来越广泛。
其中，人工智能交易系统成为华尔街投资者关注的热门话题。
本文旨在对华尔街人工智能交易系统的性价比进行动态评估，探讨其在金融市场中的优势和潜在的挑战。
首先，我们需要了解什么是人工智能交易系统。
简单来说，人工智能交易系统是一种利用人工智能技术进行交易决策和风险管理的工具。
它通过对历史数据的分析、模式识别和预测，可以提供投资建议、执行交易指令并管理风险。
它可以用于股票、期货、外汇等金融市场，并能自动适应市场变化进行优化。
评估一个人工智能交易系统的性价比时，需要考虑以下几个方面：首先是系统的准确性。
人工智能交易系统的核心是算法模型，其准确性直接影响交易决策的可靠性。
一个优秀的人工智能交易系统需要经过大量的历史数据训练和精确的模型优化，才能提供准确的交易建议。
因此，系统的准确性是评估其性价比的重要指标之一。
其次是系统的稳定性和可靠性。
金融市场是极度复杂和变幻莫测的，一个稳定可靠的人工智能交易系统能够在市场波动和变化中保持良好的表现。
系统的稳定性意味着它能够适应市场的变化和挑战，而可靠性则代表系统在高压环境下的运行能力以及提供及时的交易决策的能力。
另外一个关键指标是系统的可解释性。
人工智能交易系统虽然具备很强的数据分析和预测能力，但其内部的运作过程却往往是复杂而难以理解的。
在金融领域，透明度和可解释性是非常重要的。
一个优秀的人工智能交易系统应该能够清晰地解释其决策过程和依据，以便投资者能够更好地理解和信任系统。
此外，还需要考虑人工智能交易系统的实时性和适应性。
金融市场瞬息万变，一个好的交易系统应该及时地掌握市场信息，快速反应并作出相应的交易决策。
同时，系统应该能够适应市场的变化和新的投资策略，以保持竞争力和长期盈利能力。
需要指出的是，在评估人工智能交易系统的性价比时，还存在一些潜在的挑战。
首先，人工智能交易系统的成功不仅仅取决于算法模型的优秀性，还受到数据质量的影响。
算法帝国--读书笔记
算法帝国--读书笔记《算法帝国》--读书笔记⼤约⼀个半⽉前在⽹上很偶然的机会看到了⼀则⼴告，就是对《算法帝国》⼀书的推销，作为现在⼤三的我，虽然已经不再参加ACM/ICPC 竞赛，但是在看到书名的时候，还是被算法这两个字深深的吸引住了，以为这是⼀本算法竞赛⽅⾯的书籍，于是赶紧去京东购买此书。
当我看到此书封⾯的时候，也就是看到这个智能机器⼈的时候，⼼想也就不是我理解的算法竞赛书籍了，和智能是相关的啦，但是我还是决定要买下来仔细阅读⼀遍，也算多了解了解吧，总会没错。
我在读这本书⼤约三周前我把这本书看了个⼤概吧，⼀直拖到现在才开始动⼿写这⼀篇读书笔记，对我的执⾏⼒，连我⾃⼰都看不下去了，⼀直都有在不断的改改改。
话说回来，这个时候我提到的读书笔记和我博客⾥的其他读书笔记有点出⼊，博客⾥其他的博⽂讲到的读书笔记是指我在学习⼀些技术上的书籍和动⼿实践的过程中的经验（就⽬前⽽⾔，主要是为毕业寻找⼯作⽽选择学习⼀些技术，次要是纯属兴趣），然后把这些记录在⼀篇篇的博⽂中，⽽我在这⼀篇⽂章⾥提到的读书笔记则是指阅读⼀些IT⽅⾯的信息性的书籍时的⼼情和感悟，两者还是有⼀丢丢的区别的吧。
今天，算法涉⾜的领域已经远远超出了其创造者的预期。
特别是进⼊信息时代以后，算法的应⽤涵盖⾦融、医疗、法律、体育、娱乐、外交、⽂化、国家安全等诸多⽅⾯，显现出源于⼈类⼜超出⼈类的强⼤威⼒。
本书是《纽约时报》畅销书作者斯坦纳的⼜⼀⼒作，通过⼀个⼜⼀个引⼈⼊胜的故事，向读者介绍了算法掌控世界的真实情况，揭⽰了“机器⼈⾰命”是如何悄然在我们⾝边发⽣的。
本书适合所有对科技史、信息⾰命、算法原理、数据分析感兴趣的读者阅读参考。
-------------------摘⾃《算法帝国》⼀书内容提要部分我们⾸先看看书的⽬录吧第⼀章华尔街，第⼀张多⽶诺⾻牌⿊客成长的艰难道路改变华尔街的算法1980年华尔街的⿊客⽣涯：天时地利算法交易之⽗算法传到好莱坞平板电脑的先驱算法从东海岸传到西海岸⼀个登上华尔街巅峰的⿊客⾦融领域的未知前沿第⼆章⼈与算法的简史算法源⾃何处黄⾦分割现代算法的教⽗⾼斯：实现算法的逻辑帕斯卡、伯努利和改变世界的博弈游戏赋形于算法布尔逻辑机器第三章机器评出的前四⼗榜单你有41%的机会成为Lady GagaA&R机器说没有听到⼀⾸单曲巴赫机器揭开披头⼠乐队之谜第四章计算机的秘密⾼速公路交易⼤过天不论好坏，⾦钱、速度与科技总是携⼿并肩速度孵化器第五章系统⾥的博弈论让算法变狡猾体育博彩算法：中情局的幽灵对算法来说，爱情和棒球的世界万事皆有可能第六章呼叫机器⼈医⽣⽣命的仲裁⼈你的机器⼈医⽣但是我预约的那个医⽣呢第七章⼈的分类选对⼈，不靠运⽓靠科学从美国航空航天局⾛进⽇常⽣活第⼋章华尔街与硅⾕的较量第九章华尔街的损失让我们⼤家获益他们⾛向硅⾕华尔街带来的伤害第⼗章未来属于算法和它们的创造者条条⼤道两个海岸的故事读完此书你联想到了些什么坦⽩的说，这本书我⽐较认真的阅读了第⼀、⼆、⼗章，其余章节⽐较快速的阅读了，当然内容也是杠杠的精彩。
美国机构算法交易
算法交易–交易高效执行、节约交易成本2009-09-03 08:28 | 分类：知道维基“算法交易”(algorithmic trading)，是指把一个指定交易量的买入或者卖出指令放入模型，该模型包含交易员确定的某些目标。
根据这些特殊的算法目标，该模型会产生执行指令的时机和交易额。
而这些目标往往基于某个基准、价格或时间。
这种交易有时候被称“黑箱交易”。
算法交易通过程序系统交易，将一个大额的交易拆分成数十个小额交易，以此来尽量减少对市场价格造成冲击，降低交易成本，且还能帮助机构投资者快速增加交易量。
在国际衍生品市场上，这种交易方式主要运用在各类金融衍生品之间的对冲。
算法交易的前沿发展报告：交易科技就是金融生产力美国盈透证券王伟建克思曾论述说，”生产力包括科学和技术”，30年前，小平同志根据这一思想用一句话改变了中国的方向――”科技就是生产力”。
10年之后，他加了两个字，把这句论断表达得更为明确――”科技是第一生产力”。
一般地，人们在工业和农业的领域里引用这句话最多。
而笔者在这里想把这句话在金融这个第三产业中做一下延伸，提出”交易科技是金融业的生产力”。
作为美国最大的独立券商，盈透证券Interactive Brokers（业内简称IB）非常亮丽的成功曲线鲜明地证明了这一论断。
从1977年成立以来，IB就一直全心投入于交易科技的研发，把简单化、自动化作为最终追求的目标。
IB的业务有作市、自营及经纪，处理着全世界14.1%的股票期权交易量。
首席执行官Thomas Peterffy从一名期权作市商，通过对IB的成功运作而成为当前推动美国及全球金融交易电子化发展的泰斗。
在IB的多功能交易平台TWS上，客户用单屏即可交易全世界18个国家八十多个交易所的股票、期货、外汇、期权、债券及ETF。
在全球700多位员工中，程序员的数量占到40%以上，(其中这些程序员里，有几十海外华人)。
从2008年初盈透举办的第三届全球大学生自动化交易模拟奥运会的获奖名单中，我们也可以了解到中国人在这方面的出色表现――前10名获奖的全球高校大学生中，就有4名是来自中国大陆的海外留学生。
华尔街知识点总结
华尔街知识点总结一、金融市场和投资1. 证券市场证券市场是指股票、债券和衍生品等金融工具的交易场所。
在华尔街，证券市场有着丰富的历史和发展，包括纽约证券交易所（NYSE）和纳斯达克证券交易所等。
投资者可以通过证券市场购买和出售各种证券，实现资产的增值和投资收益。
2. 投资组合投资组合是指投资者持有的不同类型资产的集合，包括股票、债券、房地产、大宗商品等。
在华尔街，投资组合管理是一项重要的金融服务业务，通过优化投资组合的配置和风险管理，实现投资组合的最大化价值。
3. 风险和回报在投资过程中，风险和回报是密不可分的。
华尔街投资者通常通过分散化投资、资产配置和风险管理等手段，寻求最佳的风险回报比。
同时，他们也会关注各种投资工具的风险收益特征，以便做出明智的投资决策。
4. 市场指数市场指数是衡量股票市场走势的重要指标，包括标普500指数、道琼斯工业平均指数、纳斯达克综合指数等。
这些指数可以帮助投资者了解市场的整体表现，评估投资组合的表现，并作出相应的投资决策。
二、金融机构和交易1. 商业银行商业银行是华尔街金融体系的重要组成部分，包括摩根大通、高盛、花旗集团等。
这些银行提供各种金融服务，包括存款、贷款、投资银行业务、资产管理等。
2. 投资银行投资银行在华尔街有着举足轻重的地位，包括摩根士丹利、高盛、美林银行等。
它们提供企业融资、并购重组、资本市场发行、投资咨询等服务，对国际金融市场有着重要的影响。
3. 证券经纪商证券经纪商提供股票、债券、期货等证券交易服务，包括美国雪佛龙、摩根士丹利、摩根大通等。
它们为投资者提供股票交易、期货交易、外汇交易等服务，并通过电子交易平台为客户提供高效的交易执行和结算服务。
4. 高频交易高频交易是一种利用计算机算法进行短期交易的方式，在华尔街有着广泛的应用。
高频交易主要通过快速执行大量交易来获取微小的利润，通过技术和算法的不断优化，实现高频交易的盈利。
三、金融工具和经济指标1. 衍生品衍生品是一种基于标的资产的金融工具，包括期权、期货、互换、远期合同等。
EBC金融全球交易者视角｜华尔街交易员使用的4 种量化策略
EBC金融全球交易者视角｜华尔街交易员使用的4 种量化策略今天，EBC金融给大家分享一位华尔街交易员Christopher J关于投资和决策的心得感悟。
Christopher J曾就职于华尔街顶尖交易公司Jane Street和Optiver，目前从事人工智能健康领域。
大学一毕业，我就在华尔街的一家电子对冲基金开始了我的交易生涯。
在经历了几次面试后，我有幸拿到了Jane Street、Optiver 和IMC 等顶级公司的offer。
我在那里的主要角色是做市商。
为了更好地理解做市商，我给大家打个比方。
假设你想购买诸如苹果之类的商品。
你需要找到一个苹果卖家并商定一个公平的价格。
做市商就是中间人，他们总是愿意以给定的价格买入或卖出，以此让买卖过程更高效。
在金融术语中，这意为为金融交易提供流动性。
在任何特定时刻，你都可以将头寸平仓以换取现金。
从规模上看，这些公司每年处理的金额达数十万亿美元。
在这些华尔街交易机构工作，让我的思考产生了颠覆性的改变。
它不仅教会了我很多技术知识，而且还把我塑造成一个自我驱动、独立思考和努力上进的人。
任何喜欢解决问题的人都可以来尝试交易。
你不需要数学或金融背景就可以参与。
交易文化类似于职业体育。
这是一个零和游戏，有明确的赢家和输家——你要么赚钱，要么赔钱。
这意味着你的薪酬和工作保障都高度依赖于你的表现。
一个交易员根据业绩粗略分配的薪酬大约是NBA 年薪的十分之一。
算法交易设计到复杂的定量模型，总是会给人一种神秘感。
但其实算法逻辑并不难，它是植根于所有交易策略的一些基本原则，每个人都适用。
我分享四个华尔街交易员使用的量化策略。
正期望值投注交易者赚钱的类似于赌场累积对他们有利的赔率的方式。
想象一下，你抛了一枚硬币。
如果它落在正面，你会赢得3 美元，如果它落在反面，那么你会输掉1 美元。
如果你只抛一次硬币，你可能会运气差失去所有钱。
然而，从长远来看，如果你把预期设定为每次抛硬币都可以获得1 美元的正收益。
- 1、下载文档前请自行甄别文档内容的完整性，平台不提供额外的编辑、内容补充、找答案等附加服务。
- 2、"仅部分预览"的文档,不可在线预览部分如存在完整性等问题,可反馈申请退款(可完整预览的文档不适用该条件!)。
- 3、如文档侵犯您的权益，请联系客服反馈,我们会尽快为您处理(人工客服工作时间：9:00-18:30)。
华尔街的计算机算法交易：高频率交易算法或者称为闪电交易算法，能够在每秒中买入和卖出成千上万的股票。
它们如此快速地、大规模地执行交易，以至于哪怕股票价格微小地波动几分钱都会导致交易最终的盈利或者亏损。
另一些计算机算法的执行速度较慢，但是它们内部结构会更加复杂，例如分析盈利状况、股票走势和新闻资讯以寻找其他人可能错过的有价值的投资。
去年春天，道·琼斯启用了一个新的Lexicon服务系统。
这个系统可以实时地给职业投资者发布金融新闻资讯。
实际上，这个新的系统并不令人惊奇。
这家在华尔街日报和道琼斯通讯社背后的公司由于发布能够影响股票市场的新闻资讯而名声大噪。
但是，绝大多数订阅Lexicon服务的职业投资者并不是人，而是无数行代码所构成的计算机算法。
这些计算机算法管理并控制着不断增长的全球交易活动。
但是，计算机算法与人解读新闻资讯的方式并不相同，它们不需要以叙事的形式、甚至可以不通过语句的形式来传递信息。
它们只需要数据——那些关键的、可执行的信息。
Lexicon将新闻资讯以计算机客户端能够识别的方式进行封装。
Lexicon实时地扫描每一个道·琼斯的新闻，寻找使投资者直观了解股市状况的文字线索。
然后它将信息以机器可读的格式发送给订阅Lexicon服务的程序，它们会进一步地解析收到的信息，再利用最终的数据来支持和引导投资决策。
Lexicon已经实现了自动阅读新闻、提取关键信息以及完成股票交易的功能。
这些电脑不再仅仅是处理数字，它们已经开始代替人做决策。
这样的交易运行机制极大地拓展了整个金融系统。
在过去的十年中，计算机算法操控的交易已经占领了这个行业。
无论是刚刚创立的对冲基金唯一的柜台，还是高盛公司富丽堂皇的大厅，计算机代码承担着华尔街大部分的交易活动。
（据估计，计算机辅助高频率交易已经占有全部交易量的70%。
）因而，股票市场的起起伏伏不再由交易员比拼谁拥有最精准信息，或者谁有最聪明的商业头脑所决定，而在很大程度上取决于计算机算法全面扫描包含潜在收益的微小信号的能力。
计算机算法已经深深地根植于我们的金融系统中，以至于股票市场的运作无法离开它们。
最基本的，计算机帮助潜在的股票买家和卖家寻找直接的交易对手，从而避免了在交易过程中经纪人或者委托人的参与。
高频率交易算法或者称为闪电交易算法，能够在每秒中买入和卖出成千上万的股票。
它们如此快速地、大规模地执行交易，以至于哪怕股票价格微小地波动几分钱都会导致交易最终的盈利或者亏损。
另一些计算机算法的执行速度较慢，但是它们内部结构会更加复杂，例如分析盈利状况、股票走势和新闻资讯以寻找其他人可能错过的有价值的投资。
因此，计算机系统比任何人都更加高效、快速和聪明。
与此同时，计算机系统也更难以被人理解、预测和监管。
计算机算法，正如大部分交易员一样，习惯于遵守一套非常简单的规则。
但是计算机算法能够在一秒钟内分析成千上万的数据，从而对市场中所发生的变化做出立即的反应。
每次交易都会创建一个计算机之间连续而快速地响应对方的会话来发送数据。
最理想的情况，计算机系统是了一个高效、智能的资源分配机器，一个被精确化和定量的市场，而不是受到感性和易犯错的判断所影响的市场。
但是最糟糕的情况是计算机系统只是一个无法预测的、无法受控的反馈循环。
可能每个计算机算法都非常简单、也能够受到人类的控制；但是当他们之间开始交互的时候，他们能够创造出意想不到的行为，例如系统创建的导航会话能够摧毁这个系统。
2010年5月6日，道·琼斯工业平均指数令人费解地不断下跌，出现了在五分钟内下滑了573点的“崩盘暴跌”。
五个月后，北加州的ProgressEnergy公司的股票价格下跌了90%，而Progress Energy公司却无能为力。
同样也在九月底，苹果（Apple）的股价在30秒内下跌了近4%，虽然几分钟之后股价恢复了正常。
现在我们对这些突发的市场下跌习以为常，而我们依然不知道是什么原因导致的。
但是大部分观察家认为强大的、超高速的交易算法应该对此负责——众多简单指令的交互所构成的市场对于人类大脑来说，是无法完全理解的，也是无法预测的。
无论如何，现在计算机还处于我们的控制之下。
讽刺的是，为了便捷交易员的工作才启用计算机算法作为交易工具。
在电子交易出现之前，大型机构投资者一般通过自身的实力和广泛的人脉网络，寻找提供最优条件的交易中间人。
“我们以前资本盈利的模式于现在相比是不同的”，美国世纪风险投资公司（American Century Ventures）在堪萨斯城市投资公司的一个部门前首席长官，哈罗德·布拉德利（Harold Bradley）这样说，“因此我已经改变了这一策略。
”布拉德利是90年代末最初一批尝试使用计算计算法的交易员之一，他们尝试着寻找投资盈利的模式。
他花费了近三年时间来构建他的股票计分程序。
首先他创建了一个神经网络，细心地培育这个神经网络以模拟他的思维，从而识别那些他直觉和经验所认为会影响股票价格走势的综合因素。
但是布拉德利不仅想创造一个与他思维模式一样的机器，还希望这个逻辑系统以一种完全不同的、比人类更加聪明地方式来观察分析股票市场。
于是在2000年布拉德利召集了一批工程师，寻找最能够准确预测股票业绩的指标。
他们发现了一些例如公司盈利增长的传统度量变量，以及其他技术含量更高的因素。
布拉德利总共找到了七个关键的因素，其中包括了他创造的神经网络的判断，同时他认为这个因素对预测股票走势是有帮助的。
此后，布拉德利尝试利用UC伯克利大学的一个叫做“差分进化优化器”（differential evolution optimizer）程序，为每个因素寻找合适的权重。
布拉德利从随机的权重值开始探索，例如赋予盈利增长相比收入增长两倍的权重值。
让程序分析在给定时间点上业绩良好的一些股票的信息，然后从中随机地挑选10只股票并分析它们的历史数据，验证权重组合是否符合预测这些股票在实际中的业绩表现。
通过选择略微不同的开始日期或者不同的股票组合，不断重复验证权重组合的合理性。
对于每一组权重值，都需要经过成千次这样的验证测试，以验证是否符合这些股票实际的业绩走势。
然后再修改各因素的权重值、再重新进行上述的验证测试。
最终，布拉德利的团队收集了大量权重组合的业绩数据。
对权重组合的验证过程结束后，布拉德利选择了10组最符合实际业绩的权重组合，再次使用差分进化优化器对它们进行验证。
优化器将这些权重值进行配对，又组合出100个子权重。
再从这些验证过的权重值中找出10个重新配对，进而产生新的100个三代子权重。
（程序也会引入一些偶然的变化和随机性，因为这样可能带来一两个意想不到的惊喜。
）在这样创造出很多代子权重之后，布拉德利的团队终于找到了理想的权重组合。
（在2007年，布拉德利离开这个研发团队，开始管理拥有18亿投资基金的考夫曼基金会，并申明他不再对他的计算机算法的性能发表任何意见。
）布拉德利的努力仅仅是个开端。
不久，投资和战略管理者开始在世界闻名的数学、科学和工程学校中寻找人才。
这些学者为传统的交易柜台带来了在计算机科学和统计学方面复杂的人工智能的方法。
他们开始将这些人工智能的方法运用到金融领域的各方各面。
创造出了与寻找股票、买入股票和卖出股票类似的算法（在实际操作中被称作所有权交易）。
还有帮助经纪人执行大型交易订单的算法。
这些大规模的买卖订单需要花费一定时间来完成交易。
如果其他交易员在这笔交易完成前发现了这笔交易正在进行，交易的价格很可能被人为操纵。
这些计算机算法打破并且优化了这些订单的执行过程，市场中不相关的人无法在交易完成前发现这笔交易的进行。
（这种算法的交易过程可能令人感到无法理解；在实际操作中被称为算法交易）不过也有人故意编写算法来破解这些算法的代码，寻找刻意隐藏的大规模交易订单。
（这种算法被称为掠夺交易。
）这样，最终会生成一堆相互竞争的算法，每个算法都在尝试比其他算法更聪明的运行。
“我们通常根据电影猎杀红色十月（The Hunt for Red October）来讨论，就像潜水艇战争。
”瑞士信贷的高级服务执行部门的经理，Dan Mathisson这样说到，“有掠夺性的交易员在市场背后持续地监听，尝试寻找大型潜水艇的出现。
（译者注：这里暗指监听大规模交易的出现。
）计算机交易算法的任务就是尽可能地隐蔽潜水艇。
（译者注：这里暗指隐蔽大规模交易的进行。
）”同时，这些算法倾向于从计算机的角度观察市场，这将极大地不同于人类的视角。
例如，许多所有权交易的算法不是仅关注个别股票的走势，而将整个市场视作一个巨大的天气系统，这个系统有能够被预测、投资的趋势和变化指标。
人类不一定能够发觉这些趋势和变化的模式，但计算机拥有对庞大数据量进行光速分析的能力，所以计算机是能够发现这些模式的。
Voleon资本管理公司于三年前在加利福尼亚州的伯克利成立，公司的合伙人采用了这个方法。
Voleon公司按照预测一类相关股票微小变动的模式，在大量数据的池中进行数据过滤。
来专注于统计学上的套利业务。
坐落于一个破烂的办公楼三层，Voleon本来可以是一家港湾地区的网站创业公司。
计算机工程师们在办公室内到处摆放着牛仔裤和T-shirt，他们在字迹潦草的白板和半开的盒子中间走来走去。
合伙创办人Jon McAuliffe先后毕业于伯克利和哈佛大学，他曾经在亚马逊网站的公司信息推荐引擎项目组工作。
另一位合伙人是Voleon公司的CEO，Michael Kharitonov，毕业于伯克利和斯坦福的计算机科学家，他也曾创建过一个互联网公司。
通过Voleon公司创办人的描述，他们的交易策略更类似于数据分析，而不是传统的投资。
事实上，McAuliffe和Kharitonov申明他们甚至不知道计算机在寻找什么，或者如何得出它们的结论。
“我们只能说，‘这是一堆数据。
排除掉噪音的干扰，提取出关键的信息，’”Kharitonov说，“我们不知道关键信息将会是什么样。
”“我们系统所使用的交易策略不同于人类使用的策略，”Kharitonov继续说，“我们不和人类竞争，因为当你同时交易成千上万的股票的时候，人类的大脑是无法抓取很小很小的变化。
我们的系统在不同的领域发挥作用，尝试利用那些对于人类大脑过于复杂的效应。
它们需要你在同一时刻关注成千上万的事情，并且每支股票都在进行微量的交易。
人类是无法做到这一点的。
”九月底，商品期货交易委员会和证券交易委员会公布了一份104页有关5月6日股市暴跌的报告。
报告认为，暴跌是由一个“重要的大型交易算法”使用了对冲他自己股票市场地位的算法所导致的。
这笔交易花了20分钟之内执行完成，这是一个段很长的时间窗口，引起了其他算法针对市场暴跌的响应也是卖出，进一步导致了市场下跌。
这样的混乱产生了表面上不合理的交易，例如埃森哲的股票以每股一便士的价格出售，而购买苹果的股票需要每股10万美元。