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。
通过LSTM-CNN模型，用相同数据的不同表示形式预测股价
摘要
作者：Taewook Kim, HaYoung Kim
出处：PLOS ONE, 2019-02
预测股票价格在制定交易策略或选择买卖股票的适当时机中起着重要作用。作者提出了融合长短期记忆-卷积神经网络（LSTM-CNN）模型，该模型结合了从相同数据的不同表示形式（即股票时间序列和股票图表图像）中的特征，以预测股票价格。所提出的模型由LSTM和CNN组成，用于提取时间特征和图像特征。作者使用SPDR S＆P 500 ETF数据来衡量所提出模型相对于单个模型（CNN和LSTM）的性能。LSTM-CNN模型在预测股票价格方面优于单个模型。此外，作者发现蜡烛图是用于预测股票价格的最
更新时间：2022-11-02 09:07
lstm+cnn深度学习预测+大盘风控
有偿提供源码，有需要请加我v
微信号
AI_believers
更新时间：2022-11-02 08:26
用CNN算法实现A股股票选股
导语
在阅读了 深度学习的简要介绍后，本文将介绍深度学习CNN模型及其在量化投资领域中的应用。
深度学习在量化领域应用
机器学习作为人工智能的核心，其传统算法在解决很多问题上都表现出了高效性。随着近些年数据处理技术上的进步和计算能力的提升，深度学习得以在很多问题上也大放光彩，成为近一段时间互联网、金融等领域的大热门。
在量化投资领域，机器学习尤其是由统计学延伸的各种算法一直以来都被尝试应用在选股、择时等策略的开发上，随着深度学习在其他领域上的突破，其在自动化交易甚至投资策略的自开发自学习方面的应用成为了大家探索的焦点。
为什么要用深
更新时间：2022-05-12 13:58
【参赛】Deep Alpha-CNN策略克隆&调参擂台赛
一、关键结论
由于无法进行全市场选股，因此本次参赛采用了中证800股票池，但是对比基准训练效果并不如基准，且回测结果并不稳定。
我的模型相对于基准策略调整如下：
1）添加了5个特征；
2）标准化操作后去除了一下极值；
3）CNN kernel_size调整为2和4；
4）dropout调整为0.15
5）过滤退市股票
\
二、基准模型回测经验&模型结果
在我自己的基准模型中，其实进行了多个参数的调整，最佳的夏普比是0.57，但是结果并不稳定，再次运行结果波动较大。
[https://bigquant.com/experimentshare/e46887a
更新时间：2021-12-26 02:52
跟着李沐学AI—ResNet论文精读【含研报及视频】
原文标题：Deep Residual Learning for Image Recognition
发布时间：2015年
作者：Kaiming He Xiangyu Zhang Shaoqing Ren Jian Sun Microsoft Research
摘要
越深的神经网络训练起来越困难。本文展示了一种残差学习框架，能够简化使那些非常深的网络的训练，该框架使得层能根据其
更新时间：2021-11-30 08:30