量化交易

导语：当你使用深度学习思想开发量化策略时，您是否觉得模型本身是个“黑箱”，对模型做出的投资决策也是倍感疑惑。本文希望通过一种称为“CLEAR_Trade”的可视化方法，帮你跟好地理解深度学习AI量化模型。 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。

《通过CLEAR-Trade开启AI量化模型的黑箱》

原文：《Opening the Black Box of Financial AI with CLEAR-Trade: A CLass-Enhanced Attentive

导语：本周精选了5篇量化研究相关文章，其中涉及支持向量机、监督式学习、分类器等机器学习知识和深度学习在量化交易领域中的理论研究和应用现状，其中在支持向量机方面分别有一篇入门指导和量化应用。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. 《深度强化学习：金融信号表征和交易》
2. 《训练分类器——基于充满噪音的标签分布》
3. 《支持向量机教程：从示例中学习SVM》 4

导语：本周精选了5篇机器学习相关文章，其中涉及使用技巧、业界动态讨论、股市及房价预测、面试问题等机器学习知识，其中最后一篇文章列举了机器学习职位面试的40个常见问题及回答，具有启发意义，值得仔细阅读并思考。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. 《机器学习技巧讨论：简单可靠的特征是解决问题的关键》
2. 《【吴恩达Quora最新问答】任何人都能成为机器学习专家》
3. [《应用机

导语：本周精选了5篇关于机器学习在量化投资领域的应用文章。随着近年来人工智能的发展，越来越多的人投入到研究的队伍中。希望读完这些报告的你能对其中的研究有自己的理解。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. 《AI和机器学习对交易与投资领域的影响》
2. 《神经网络算法交易之超参优化》
3. 《50行Python代码预测股价》
4. 《利用机器学习预测Airbnb民宿价格》
5. 《过拟合详解：监督学习中不准确的“常识”》

导语：本周精选了5篇机器学习相关文章，其中3篇涉及股票市场上机器学习的相关应用，1篇文章为Bloomberg对AI在对冲基金中应用进行的深度调研，这些文章将帮助大家了解机器学习在投资界的使用情况及遇到的问题。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. 《机器学习交易：股市和混沌过程》
2. 《如何将机器学习算法应用于股票市场？》
3. [《股市价格预测：大数据和机器学习》](#thr

导语：本周精选了5篇量化研究文章，主题为量化交易、策略模型相关，也涉及机器学习、大数据技术等在交易领域中的应用和交易模型的讨论，其中两篇文章介绍机器学习和大数据平台对交易系统的改进和补充，值得借鉴。第四篇文章介绍了市场上常用的几种基于逻辑思想的交易策略。最后一篇文章为Financial Hacker对于主流的交易方式提出的质疑，可供大家思考。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. [《AI在金融领域崭露头角的六

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

导语：本周精选5篇机器学习相关文章，第一篇为使用GBDT机器学习方法预测高送转股票组合报告，第二、三篇为长江证券将机器学习方法在金融领域应用的实例研究报告，最后一篇选取现在炙手可热的比特币话题并用机器学习方法预测其价格。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. 《2017年报高送转股票预测组合——基于GBDT 机器学习预测方法》
2. 《机器学习实战系列之一——TS-Boost 因子选股框架初探》
3. [《

导语：本周为大家推荐五项国外有关深度学习和机器学习的实践性研究。希望能帮助大家更好地获取信息、学习知识。BigQuant拥有海量的数据和主流开源AI框架，附能每一位爱好机器学习/深度学习和量化交易的人。

• 《Neural networks for algorithmic trading. Multimodal and multitask deep learning》

关键词：神经网络、机器学习

本文介