电脑桌面
添加小米粒文库到电脑桌面
安装后可以在桌面快捷访问

ai时代我们在金融投资方面做了这些尝试…

ai时代我们在金融投资方面做了这些尝试…_第1页
1/4
ai时代我们在金融投资方面做了这些尝试…_第2页
2/4
ai时代我们在金融投资方面做了这些尝试…_第3页
3/4
精品文档---下载后可任意编辑ai 时代我们在金融投资方面做了这些尝试… Al 时代,我们在金融投资方面做了这些尝试… 金融科技的到来,不仅代表着技术上的飞跃,更是对金 融服务模式的颠覆和创新。 随着 AI 的进展和普及, 量化交易 也步入了智能交易的新高度。金融投资的核心在于追求收益, 而人工智能的分析和预测能力恰如其分地满足了投资的要 求。让我们就 AI 在金融投资方面的应用进行设想:▲证券长 短期价格区间的预测▲量化策略模型的研发(高 /低频)▲证 券的择股和择时的优化▲大类资产的配置▲证券投资组合的 优化▲证券风险特征识别 机器学习分为浅层机器学习和深度学习,传统的浅层学习中 决策树、素贝叶斯、支持向量机和浅层神经网络等等也都 决策树、 素贝叶斯、支持向量机和浅层神经网络等等也都 是金融工程中常用的一些方法。作为金融科技的开拓者,恒 生讨论院就人工智能在量化交易领域进行了一系列的创新 尝试。 >>基于小波神经网络对时间序列进行预测人工智能有监 督机器学习的模式中,有两大类学习模型: 分类和回归预测, 督机器学习的模式中, 有两大类学习模型: 分类和回归预测, 而在金融投资或者说量化交易中,对于时间序列的预测最为 直观。 小波分析是指通过高低频通道来将时序数据分解为高频部 分和低频部分, 进行多尺度细化分析, 目前对于时序 /频域的预测已经取得了一些有意义的成果。将小波分析和神经网络 结合起来,构建小波神经网络( Wavelet Neural Network WNN ),可以对时序数据进行预测分析。 WNN 是将神经网 络隐节点的激活函数由小波函数来替代,相应的输入层到隐 含层的权值及隐含层的阈值分别由小波函数的尺度伸缩因 子和时间平移因子所代替,这是应用最广泛的紧致型结合。 如下图所示我们用小波神经网络做的 HS300 的预测,使用 2024.1~2024.8 沪深 300 指数的日行情数据进行模型训练, 使用 2024.9~2024.8 的日行情数据进行测试验证。 有监督的 学习要取得较好的应用效果,其和机器学习的训练过程直接 相关。这一过程中还是要投资者较深地介入数据的预处理, 进行培训数据样本的特征标签标定或对训练规则给出方向 性指引。通常量化交易的团队资源要更深化地去发掘更好的 特征。因此,人工设计样本特征,不是一个容易的可扩展的 途径。上面我们判别市精品文档---下载后可任意编辑场短期走势的案例中,所定义的特征 是否合适...

1、当您付费下载文档后,您只拥有了使用权限,并不意味着购买了版权,文档只能用于自身使用,不得用于其他商业用途(如 [转卖]进行直接盈利或[编辑后售卖]进行间接盈利)。
2、本站所有内容均由合作方或网友上传,本站不对文档的完整性、权威性及其观点立场正确性做任何保证或承诺!文档内容仅供研究参考,付费前请自行鉴别。
3、如文档内容存在违规,或者侵犯商业秘密、侵犯著作权等,请点击“违规举报”。

碎片内容

ai时代我们在金融投资方面做了这些尝试…

确认删除?
VIP
微信客服
  • 扫码咨询
会员Q群
  • 会员专属群点击这里加入QQ群
客服邮箱
回到顶部