深度学习
深度学习是人工智能领域的重要分支，它模拟人脑神经网络的工作原理，通过多层次的数据处理和分析，发现数据的内在规律和模式。在金融领域，深度学习的应用日益广泛。从风险控制、欺诈检测，到投资管理、市场分析，深度学习的算法能够对海量金融数据进行高效、准确的处理，提取有价值的信息。它能够学习并模拟人类的投资决策过程，帮助金融机构优化风险管理模型，提高投资回报率，并为个性化金融服务提供强大的技术支持。深度学习正在改变金融业的运作方式，为金融行业带来前所未有的智能化和效率提升。
基于人工智能算法（Resnet101）的投资策略
导语
说明：重要的事情说三遍，这是一篇付费策略的详细报告！这是一篇付费策略的详细报告！这是一篇付费策略的详细报告！ 1为人，1为人工智能，二者结合如虎添翼。
AI在股市应用中的观点
最近几年随着深度学习不断的发展，人工智能成为了时下最热门的话题，深度学习在各个领域都有了很多重要应用，不少专业人员也在把人工智能引入到股票投资领域。这两年互联网上就出现了不少关于人工智能投资基金收益吊打专业投资基金经理的报道，然而事后的追踪报道也显示这些所谓的人工智能投资基金的收益只是在中短期内超越了纳斯达克、标普500指数而已，长期来看还是跑输这些指数。
深度学习目前主要有三大类方法：适合图像
更新时间：2021-07-30 08:09
用多层感知器-回归算法实现A股股票选股
更新时间：2021-07-30 07:26
策略中调用其他因子_AI
更新时间：2021-07-30 07:25
超参寻优调参顺序
更新时间：2021-07-30 07:25
Transformer文献综述
一、背景介绍
《Attention Is All You Need》是一篇Google提出的将Attention思想发挥到极致的论文。这篇论文中提出一个全新的模型，叫 Transformer，抛弃了以往深度学习任务里面使用到的 CNN 和 RNN ，来做机器翻译的任务。Bert就是基于Transformer构建的，这个模型广泛应用于NLP领域，例如机器翻译，问答系统，文本摘要和语音识别等等方向。本文根据论文[《Attention Is All You Need》](https://arxiv.org/abs/1
更新时间：2021-04-23 08:06
Transformer在量化选股中的应用
一、基于时间嵌入的方法
当前应用于NLP领域的Transformer，结构过于庞大，并不适用于股票数据（开盘价，收盘价，最高价，最低价，等）这样的时序数据，因此，本文提出一种简化的适用于股票数据的Transformer结构，其根据时间嵌入的思想构建，能很好的应用于量化选股中。下面以一个例子来介绍用于股票数据的Transformer体系结构，以及
更新时间：2021-02-03 07:05