本视频课程包含python、pandas、numpy基础，配合在BigQuant平台上练习，掌握编程基础，读懂代码、编写简单的代码。

视频链接

[https://www.bilibili.com/video/BV1dE411d7Q4?p=2](https://www.bilibil

TensorFlow

Google 2015年11月开源的人工智能系统 数据流（flow）图技术来进行数值计算

节点：数据 / 值运算 边：多维数据（tensors - 张量，python numpy ndarray）的流动

步骤及元素

构建图：将计算流程表示成图 执行图：通

前言

算法交易起源于上世纪中叶的配对交易

历史上最早使用算法交易的例子可以追溯到1949年。对冲基金之父阿尔弗雷德·琼斯，利用空对多3：7的比例进行配对交易，在1955年到1964年间，综合回报率高达28%。到了上世纪60年代早期，投资者开始利用计算机通过分析股票的周线和月线来预测价格运动

导语

BigQuant平台不仅支持传统机器学习模型，同时还对深度学习模型模块进行了封装，方便用户直接使用策略生成器开发策略，降低策略开发难度。本文对BigQuant平台上策略生成器已经支持的深度学习模块进行简单介绍。

深度学习模型通过功能层进行积木式拼接，典型的模型构架如下：

导语

这是本系列专题研究的第六篇：基于DNN模型的深度学习智能选股策略。本文简单介绍了和DNN相关的原理，并举了一个实例，具体展示了如何应用以及应用的结果。

DNN原理介绍

神经元

神经网络的每个单元结构如下：

![图1.神经元结构](/wiki/

导语

从AlphaGo到AlphaStar，深度学习的强大逐步展现给世人。那么，什么是深度学习呢？本文将简要介绍深度学习的框架以及流程。

从单层感知器开始

深度学习是机器学习研究中的一个新的领域，其动机在于建立、模拟人脑进行分析学习的神经网络，它模仿人脑的机制来解释数据，例如图像，

什么是无监督学习？

顾名思义，“无监督”学习发生在没有监督者或老师并且学习者自己学习的情况下。

例如，考虑一个第一次看到并品尝到苹果的孩子。她记录了水果的颜色、质地、味道和气味。下次她看到一个苹果时，她就知道这个苹果和之前的苹果是相似的物体，因为它们具有非常相似的特征。她知道这和橙子很不一

导语

在上一篇文章《初识协整》我们已经对协整有一个直观的认识，本文将进行深入理解协整。

[https://bigquant.com/codeshare/9079e4a0-c404-439a-aa78-7822fad5c86e](https://bigquant.com/codeshare/

导语

多元线性回归的应用比较普遍，本文将对其做相关介绍。

金融理论从资本资产定价模型(CAPM)发展到套利定价理论(APT)，在数理统计方面就是从应用一元线性回归发展到应用多元线性回归。在实际运用中，多元线性回归比较普遍。

一元线性回归研究的是一个因变量和一个自变量的

导语

本文我们将讨论如何使用平均值来描述一组数据。

[https://bigquant.com/codesharev2/6b17586e-a9e3-4cfd-8b82-32f2f13eb67b](https://bigquant.com/codesharev2/6b17586e-a9e3-

导语

本文我们将讨论如何使用离散度来描述一组数据。

[https://bigquant.com/experimentshare/715478967ce0434487537359999464be](https://bigquant.com/experimentshare/715478967c

第1讲:强化学习介绍

科学家Hado van Hasselt介绍强化学习课程，并解释了强化学习与人工智能的关系。

[https://www.youtube.com/watch?v=TCCjZe0y4Qc](https://www.youtube.com/watch?v=TCCjZe0y4

第13讲:深度强化学习#2 研究工程师Matteo Hessel介绍了作为辅助任务的一般值函数和GVFs，并解释了如何处理算法中的缩放问题。

[https://www.youtube.com/watch?v=siDtNqlPoLk](https://www.youtube.com/watch?

第12讲:深度强化学习#1 研究工程师Matteo Hessel讨论了深度RL的实际考虑和算法，包括如何使用自区分(即Jax)实现这些。

[https://www.youtube.com/watch?v=cVzvNZOBaJ4](https://www.youtube.com/watch?v=cV

第8讲:规划与模型 研究工程师Matteo Hessel解释了如何学习和使用模型，包括像Dyna和蒙特卡罗树搜索(MCTS)这样的算法。

[https://www.youtube.com/watch?v=FKl8kM4finE](https://www.youtube.com/watch?v=FK

简介

本文来自于MSCI研究，原文标题为《情绪因素在不同地区的表现如何？》

关键词：MSCI  |  全球投资  |  因子投资

作者：Howard Zhang

资料来源：MSCI 因子实验室。

情绪因素试图衡量不同群体对公司的看法。可以通过多种方式并从各种数据源中衡量情绪。许多情绪

第4讲:动态规划算法的理论基础 研究科学家Diana Borsa将动态规划算法作为收缩映射进行研究，观察它们何时以及如何收敛到正确的解。

[https://www.youtube.com/watch?v=XpbLq7rIJAA](https://www.youtube.com/watch?v=Xp

第6讲:无模型控制 研究科学家Hado van Hasselt研究了政策改进的预测算法，从而产生了可以从抽样经验中学习良好行为政策的算法。

[https://www.youtube.com/watch?v=t9uf9cuogBo](https://www.youtube.com/watch?v=t

第7讲:函数近似 研究科学家Hado van Hasselt解释了如何将深度学习与强化学习相结合，以实现“深度强化学习”。

[https://www.youtube.com/watch?v=ook46h2Jfb4](https://www.youtube.com/watch?v=ook46h2Jf

Lecture 9: Policy-Gradient & Actor-Critic methods Research Scientist Hado van Hasselt covers policy algorithms that can learn policies directly and ac

导语

相关性经常用来度量两个变量的相关关系，本文将对相关系数做详细讨论。

简介相关系数

诺贝尔经济学奖得主马科维茨曾说过“资产配置多元化是投资的唯一免费午餐”。投资中有句谚语，不要把鸡蛋放在一个篮子，实际上讲的就是选择相关性不高的资产进行配置。资产之间的相关性用什么指标