CNN

"CNN"(卷积神经网络),是一种具有巨大价值的深度学习技术。其图像和数据处理能力,使得金融市场分析、风险评估以及投资策略制定等方面得以显著提升。CNN能有效识别并学习金融市场中的复杂模式,如股票价格变动、市场情绪波动等,为金融决策提供强有力的数据支持。此外,CNN在算法交易、信用评分、欺诈检测等金融应用中也展现出无可比拟的优势,通过自动学习和优化交易策略,实现更精准快速的交易执行,提升金融业务的效率和智能化水平。总的来说,CNN是推动金融行业创新发展的重要工具。

DNN和CNN模型因子表现对比

问题

user3558B+可以做一期关于DNN跟CNN在短线因子跟长中线因子讲解吗?

策略源码

短周期

https://bigquant.com/experimentshare/d3a4560c6c0e4b4683c23c3ffff1315e

长周期

[https://bigquant.com/experimentshare/12338701162d46f0a801d9be76bf895a](https://bigquant.

更新时间:2024-06-07 10:55

DNN和CNN正则化参数调整问题

问题

DNN和CNN正则化参数是否可以只调L2的kernal_regularizer参数,其他参数是否需要调整? 是否从0.0001开始调,往大还是往小调?

视频

https://www.bilibili.com/video/BV1aQ4y1U7ua?share_source=copy_web

策略源码

[https://bigquant.com/experimentshare/e3a8039885734d5ea0fabe7c6e

更新时间:2024-06-07 10:55

DNN-AI选股:深度学习的学习率调整

2021年8月5日Meetup问题:深度学习的学习率在哪里可以调整,训练集和测试集的loss如何打印到一张图上,early_stop如何设置?深度学习的权值初始化方法对结果影响很大,能否做个全面介绍,CNN,lstm,mlp一般试用哪种初始化方法。lstm或者cnn后面接的mlp一般用几层为好?mlp的神经元数量一般要相较输入层扩充几倍?

[https://bigquant.com/experimentshare/c0853836ac224f7ab02c97acce9f973f](https://bigquant.com/experimentshare/c0853836ac224f7ab02

更新时间:2024-06-07 10:55

DNN-AI选股:深度学习的学习率调整

更新

本文内容对应旧版平台与旧版资源,其内容不再适合最新版平台,请查看新版平台的使用说明

新版量化开发IDE(AIStudio):

https://bigquant.com/wiki/doc/aistudio-aiide-NzAjgKapzW

新版模版策略:

https://bigquant.com/wiki/doc/demos-ecdRvuM1TU

新版数据平

更新时间:2024-06-07 10:55

LSTM+CNN深度学习预测股价

旧版声明

本文为旧版实现,仅供学习参考。

https://bigquant.com/wiki/doc/demos-ecdRvuM1TU

策略案例

https://bigquant.com/experimentshare/c13d6baefe5d4c75bb87eea9364b0f75

\

更新时间:2024-06-07 10:55

CNN正则化参数调整

https://bigquant.com/experimentshare/e3a8039885734d5ea0fabe7c6e7d3c90

\

更新时间:2024-06-07 10:55

深度学习前沿 | 利用GAN预测股价走势

导语

本文是对于medium上Boris博主的一篇文章的学习笔记,这篇文章中利用了生成对抗性网络(GAN)预测股票价格的变动,其中长短期记忆网络LSTM是生成器,卷积神经网络CNN是鉴别器,使用贝叶斯优化(以及高斯过程)和深度强化学习(DRL)优化模型中超参数。此外,文章中非常完整地实现了从特征抽取、模型建立、参数优化、实现预测的过程,其中运用了多种机器学习方法,比如BERT进行文本情绪分析、傅里叶变换提取总体趋势、autoencoder识别高级特征、XGboost实现特征重要性排序等。本文学习的思路是:GAN算法概览 – 项目思路 – 项目详解。拟在学习完成后,在Bigquant平台

更新时间:2024-05-20 02:09

基于一维CNN模型的智能选股策略

导语

这是本系列专题研究的第四篇:基于卷积神经网络CNN的深度学习因子选股模型。卷积神经网络(Convolutional Neural Network, CNN),是计算机视觉研究和应用领域中最具影响力的模型之一。同样,如果将时间看作一个空间维度,类似于二维图像的高度或宽度,CNN也可以对时间序列处理产生令人惊喜的效果。本文首先大致介绍了CNN的原理,然后详细解释了一维CNN模型如何进行应用于时间序列并进行特征选取,最后以一个实

更新时间:2024-05-20 02:09

Tensorflow第三讲 - 深入MNIST(CNN)

构建一个多层卷积网络 CNN

在MNIST上只有91%正确率,实在太糟糕。在这个小节里,我们用一个稍微复杂的模型:卷积神经网络来改善效果。这会达到大概99.2%的准确率。虽然不是最高,但是还是比较让人满意。

卷积层

卷积层(Convolutional layer),卷积神经网路中每层卷积层由若干卷积单元组成,每个卷积单元的参数都是通过反向传播算法优化得到的。卷积运算的目的是提取输入的不同特征,第一层卷积层可能只能提取一些低级的特征如边缘、线条和角等层级,更多层的网络能从低级特征中迭代提取更复杂的特征。

线性整流层

线性整流层(Rectified Linea

更新时间:2024-05-20 02:09

【参赛】Deep Alpha-CNN卷积神经网络调参

更新

本文内容对应旧版平台与旧版资源,其内容不再适合最新版平台,请查看新版平台的使用说明

新版量化开发IDE(AIStudio):

https://bigquant.com/wiki/doc/aistudio-aiide-NzAjgKapzW

新版模版策略:

https://bigquant.com/wiki/doc/demos-ecdRvuM1TU

新版数据平

更新时间:2024-05-17 10:30

【参赛】Deep Alpha-CNN策略克隆&调参擂台赛-20211230

更新

本文内容对应旧版平台与旧版资源,其内容不再适合最新版平台,请查看新版平台的使用说明

新版量化开发IDE(AIStudio):

https://bigquant.com/wiki/doc/aistudio-aiide-NzAjgKapzW

新版模版策略:

https://bigquant.com/wiki/doc/demos-ecdRvuM1TU

新版数据平

更新时间:2024-05-17 08:24

DeepAlpha短周期因子系列研究之:CNN在量化选股中的应用

更新

本文内容对应旧版平台与旧版资源,其内容不再适合最新版平台,请查看新版平台的使用说明

新版量化开发IDE(AIStudio):

https://bigquant.com/wiki/doc/aistudio-aiide-NzAjgKapzW

新版模版策略:

https://bigquant.com/wiki/doc/demos-ecdRvuM1TU

新版数据平

更新时间:2024-05-17 06:49

lstm+cnn+A股去ST+大盘风控

更新

本文内容对应旧版平台与旧版资源,其内容不再适合最新版平台,请查看新版平台的使用说明

新版量化开发IDE(AIStudio):

https://bigquant.com/wiki/doc/aistudio-aiide-NzAjgKapzW

新版模版策略:

https://bigquant.com/wiki/doc/demos-ecdRvuM1TU

新版数据平

更新时间:2024-05-17 03:48

机器学习:16-CNN

  • 运行环境:AIStudio 3.0
  • 策略说明:==本代码以教学目的为主,请自行调参==


\

策略源码:

{{membership}}

https://bigquant.com/codeshare/ccbddd56-eddd-4a7f-95e2-88e8a0432a3d

\

更新时间:2024-04-25 07:40

怎么知道cnn模型ai训练看到的数据是怎么样的

更新时间:2024-02-01 15:49

利用CNN对股票“图片”进行涨跌分类——一次尝试

首先解释一下标题: CNN:卷积神经网络(Convolutional Neural Network), 在图像处理方面有出色表现,不是被川普怒怼的那个新闻网站; 股票涨跌:大家都懂的,呵呵; 股票图片:既然使用CNN,那么如果输入数据是股票某个周期的K线图片就太好了。当然,本文中使用的图片并不是在看盘软件上一张一张截下来的,而是利用OHLC数据“画”出来的; 尝试:这个词委婉一点说就是“一个很好的想法^_^",比较直白的说法是“没啥效果T_T”。


进入正题: 首先是画出图片。本文目前是仿照柱线图画的。 ![{w:100}](/wi

更新时间:2023-11-28 10:03

CNN深度学习模型中输入层报错

问题



https://bigquant.com/experimentshare/3aff241f03194816912c850f1f118ab6

\

更新时间:2023-10-09 07:46

CNN-LSTM的连接原理?

如题:CNN模块中的卷积层和LSTM模块在可视化工作界面通过连线连接,他们之间是通过什么原理进行融合和连接的呢?

希望得到平台工程师的解答,谢谢!

更新时间:2023-10-09 07:07

我在改LSTM+CNN代码时,运行不成功

求助平台策略工程师

我在改LSTM+CNN代码时,把输入特征改为15维时,运行不成功

策略地址为:https://bigquant.com/codeshare/8b2a7e00-18b2-4fd4-8777-6875307dae1e

\

更新时间:2023-10-09 03:22

为什么根据LSTM+CNN深度学习预测股价案例没有成交?

根据【模板策略】LSTM+CNN深度学习预测股价案例没有成交?

https://bigquant.com/wiki/doc/shendu-gujia-4teFqoC7MV

https://bigquant.com/community/t/topic/194980

https://bigquant.com/experimentshare/52d3c0772a2d4ef9bb5950c7c6646170

\

更新时间:2023-10-09 03:16

【年度重磅研报】Deep Alpha-CNN 7层卷积神经网络能否穿越熊牛?

擂台赛背景

12月7日,BigQuant发布年度重磅报告(https://bigquant.com/wiki/doc/niandu-zhongbang-bao-DeepAlphaCNN-juanji-shenjingwangluo-qXe3iEgfRI),发布了Deep Alpha-CNN模型,该模型采用7层一维卷积神经网络,并引入残差,降低模型复杂度,防止梯度爆炸/消失,达到更好收敛。

研究结论要点:

1、7层的卷积神经网络表现好于2层,能够学习到更多的市场特征。

2、研究发现当kernel size、batch size、feature map等参数越小,模型表现

更新时间:2023-06-29 08:42

【参赛】Deep Alpha-CNN策略克隆&调参擂台赛

\

更新时间:2023-06-27 03:23

LSTM/CNN层运行提示Physical devices cannot be modified after being initialized

问题

<ERROR: moduleinvoker: module name: dl_layer_lstm, module version: v1, trackeback: RuntimeError: Physical devices cannot be modified after being initialized>

请问是什么原因?配置了一块GPU,重启了开发环境也不行,一直提示这个错误

[https://bigquant.com/experimentshare/ad9ddc0550d64dfa933ceaaf28f61e21](https://bigquant.com/exp

更新时间:2023-06-01 02:13

模拟交易推送股票和回测时不一致的问题

问题

问题描述

cnn的AI程序,滚动窗口设为5时,模拟交易推送的股票和回测时一致(1月4号都推送买入300703);

滚动窗口设为10,模拟交易推送的股票和回测时的就不一致(推送提示1月4号买入300703,运行程序看日志提示:

order[09:30:00][id:fbe4a9,603586.SHA 16272.889415922053@MARKET],即买入603586)。

试了各种办法,社区的方法都试了也都不行,哪位大神知道是什么原因?

更新时间:2023-06-01 02:13

根据官网的基于一维CNN模型的智能选股策略报错及如何解决?

问题

https://bigquant.com/wiki/doc/yi-moxing-zhineng-celve-wLs8ZhDu4k

https://bigquant.com/experimentshare/59020df25be24cb4adc9be04d41c30a7

解答

重启开发环境再运行一次

更新时间:2022-12-20 14:20

分页第1页第2页
{link}