《alphanet GNN和GAN华泰金工深度学习量化研究》Deep Alpha 研讨会
由qxiao创建，最终由qxiao 被浏览 440 用户
1、华泰人工智能系列研究：四年五主题四十七篇研究
首先非常感谢宽邦科技的邀请，这里我替换了一下标题，主办方给的题目是《国内投资机构深度学习量化实践》，我这里改成了《华泰金工深度学习量化研究》，因为我个人很难代表整个国内的投资机构，国内的买方和卖方，公募和私募研究差异还是挺大的。 总体来讲，买方机构会更务实，目标明确。卖方研究有特殊之处，市场对我们的期待是探索前沿内容，帮大家踩坑，所以需要我们仰望星空。但同时又不能太飘，也需要脚踏实地。双重标准之下，研究面临的挑战很大。 过去4年多时间里，在首席林晓明总的带领以及多位同事的通力合作下，华泰金工团队在人工智能领域也有了一定研究成果。我们从2017年6月到现在，一共发布47篇人工智能深度研究，涵盖5个主题：模型测试主题、因子挖掘主题、对抗过拟合主题、真假序列和生成对抗网络主题。 前两个主题属于进攻式的研究，alpha模型最重要的环节是因子和模型，刚好对应我们的前两大主题模型测试以及因子挖掘，目标就是尽可能拟合收益获取alpha。但是对于人工智能模型来说，优点是拟合能力强，缺点是拟合能力太强，以至于把数据中的噪音也学习进去了，所以我们也需要做防御式的研究。一方面找技术对抗过拟合；另一方面，过拟合最重要的原因是数据量不够，中国市场能获取到的数据相对比较有限，所以我们就思考能不能用深度学习技术生成更多数据，参与到模型训练中提升鲁棒性，所以又有了我们另外一个系列，叫做真假序列和生成对抗网络。 最后一个主题叫做其他，我们希望模型不光预测能力强，还可以用来帮助我们去理解市场。前者让我们在市场中存活下来，后者让我们在市场中长期存活下来。像我们做的因果推断、无监督学习这些研究，都可以帮助我们更好地理解市场运行的规律。
完整视频观看地址：https://webcast.roadshowchina.cn/cmeet/NlZBZVhZRGZ6Q1NSRjdrbmJqQjZUQT09
2、选股因子挖掘神经网络：AlphaNet
接下来我们介绍一些具体研究。今天想分享的第一部分研究是选股因子挖掘网络AlphaNet，这是我们同事李子钰老师做的非常漂亮的工作。多因子选股通常可以分成三步，因子生成、多因子合成和组合优化。