量化研究每周精选-20170901

量化研究每周精选
标签: #<Tag:0x00007f73e10456d0>

(iQuant) #1

导语:本周精选了5篇量化研究文章,其中涉及机器学习、深度学习在量化交易领域中的理论研究和应用现状,其中多篇文章都同时介绍到了机器学习/深度学习开发策略的流程。BigQuant拥有海量的数据和主流开源AI框架,赋能每一位爱好机器学习/深度学习和量化交易的人。

$$目录$$

  1. 《机器学习应用于中频衍生证券投资组合交易》
  2. 《计算智能与金融市场:调研与未来展望》
  3. 《事件驱动股市预测的深度学习方法》
  4. 《利用深度学习改进决策分析:基于财报披露的应用案例》
  5. 《机器学习在量化金融中的应用如何?》

  • 《机器学习应用于中频衍生证券投资组合交易》

    原文:《Using machine learning for medium frequency derivative portfolio trading》

    关键词:机器学习、组合交易、国库券

    本文采取机器学习方法为5年期和10年期的美国国库券期货投资组合设计中频交易策略,预测投资组合未来一周的价格运行方向,结果表明设计的策略能够创造可观收益。文章主要分为4个部分:1. 如何分配组合中资产的份额权重;2. 简介深度信任网络的结构和工作流程,利用由技术指标训练后的深度信任网络提取特征;3.利用提取的特征建立分类器,本文分别使用三种分类器:逻辑回归,支持向量机,神经网络;4. 试验结果总结,包括组合权重系数;模型训练结果;分类器预测结果和策略设计流程。

  • 《计算智能与金融市场:调研与未来展望》

    原文:《Computational Intelligence and Financial Markets: A Survey and Future Directions》

    关键词:计算智能、数据集群、金融市场

    本文为计算智能领域的综述性文章,基于2009-2015年间在基础领域发表的重要文章,对在不同金融应用上的多种计算方法进行了总结,主要包括数据预处理、数据集群等技术应用于预测市场走向、挖掘金融文本信息等。本文主要在三方面进行研究:1.对本领域的文献进行全面收集及对比;2.明确建立智能交易系统的系统流程;3.对本领域存在的挑战及问题进行讨论。本文可以作为了解计算智能领域的入门学术佳作,推荐感兴趣的朋友仔细阅读并联系相关文献,能快速对学术领域发展脉络形成清晰的认识。

  • 《事件驱动股市预测的深度学习方法》

    原文:《Deep Learning for Event-Driven Stock Prediction》

    关键词:深度学习、事件驱动、股价预测

    本文展示如何利用深度学习网络进行事件驱动股市预测。首先,从新闻文本中提取事件,将其处理为密集向量,利用神经张量网络进行训练。然后,利用深度卷积神经网络模拟事件对于价格运动的短期和长期影响。实验结果表明,与目前最先进的预测模型相比,本文模型能够达到对S&P 500指数和单只股票的预测接近6%的改进。同时,基于S&P 500历史数据训练后的模型相比于其他模型,更有更好的实际盈利能力。

  • 《利用深度学习改进决策分析:基于财务披露应用的案例》

    原文:《Improving Decision Analytics with Deep Learning- The Case of Financial Disclosures》

    关键词:机器学习、财务披露、决策分析

    决策分析主要基于金融新闻的文本挖掘,为管理决策提供支持和预测股市走向。现有的预测框架基本都集中采用传统机器学习方法,然而近期研究表明这些方法在提取适当特征和把握复杂任务的非线性本质上表现不尽如人意。作为改进,深度学习模型可以通过增加网络层数拓展已有的神经网络,继而克服以上难题。深度学习在预测性能上已被证明具有可靠表现。在本文中,作者利用深度学习技术作金融决策分析支持,基于财务披露报告预测市场走向。结果表明,相比于基础工具,深度学习技术可以提高预测结果5.66%的精确度。

  • 《机器学习在量化交易中的应用如何?》

    原文:《 How is machine learning used in quantitative finance?》

    关键词:机器学习、量化交易

    本文为Quora上同名问题的答案集锦。答案作者均为在工作中接触或经常应用机器学习的专业金融人士。与网络及学术界一贯宣扬的“人工智能即将替代交易员”相比,这些来自第一线的专业人士的观点让人更加理智清晰地认识到:机器学习还远远没有到替代交易员的程度。到目前为止,简单的线性模型早已普及应用,但复杂的非线性模型由于其性价比低还未被机构广泛应用。同时,机器学习目前还处于辅助地位:帮助交易员回测,决定一些确定性高但在某一个范围内平缓波动的参数等等。



量化研究每周精选》每周一期,为大家提精选研报、前沿研究、热门文章等优质内容。
查看所有 量化研究每周精选。欢迎投稿 (i@bigquant.com)。