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
由ypyu创建,最终由ypyu更新于
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
由ypyu创建,最终由ypyu更新于
至2021年,前30家百亿私募量化机构中29家在官网介绍了其人工智能开发,或正在招募人工智能人才。
编号 | 公司简称 | 成立时间 | 是否涉及AI | 编号 | 公司简称 | 成立时间 | 是否涉及AI |
---|
由qxiao创建,最终由qxiao更新于
几天前,我着手解决一个实际问题——大型超市销售问题。在使用了几个简单模型做了一些特征工程之后,我在排行榜上名列第 219 名。
![{w:100%}{w:100}{w:100}{w:100}](/wiki/api/attachments.redirect?id=8b797f9b-ad23-4
由bigquant创建,最终由bigquant更新于
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
由qxiao创建,最终由qxiao更新于
由small_q创建,最终由small_q更新于
由clearyf创建,最终由qxiao更新于
异常值问题在数据分析中经常遇到,本文介绍了多种处理数据异常值的方法。
在金融数据分析中,常常会遇到一些值过大或者过小的情况,当用这些值来构造其他特征的时候,可能使得其他的特征也是异常点,这将严重影响对金融数据的分析,或者是影响模型的训练。下面将带大家学习一些关于异常点处理
由clearyf创建,最终由clearyf更新于
之前在社区分享过一个初版的强化学习策略,之后我们在那个基础上做了一些调整和优化,本文主要是关于新版策略的一些介绍和结果分析。
新版策略与初版的主要区别在于state的定义不同。初版用当天的OHLCV和7个常用因子数据作为一条state。新版设置了一个win
由clearyf创建,最终由clearyf更新于
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?
由qxiao创建,最终由qxiao更新于
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
由qxiao创建,最终由qxiao更新于
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
由qxiao创建,最终由qxiao更新于
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
由qxiao创建,最终由qxiao更新于
第五讲:无模型预测 研究科学家Hado van Hasselt对无模型预测及其与蒙特卡罗和时域差分算法的关系进行了更深入的研究。
[https://www.youtube.com/watch?v=eaWfWoVUTEw](https://www.youtube.com/watch?v=eaWfWo
由qxiao创建,最终由qxiao更新于
由qxiao创建,最终由small_q更新于
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
由qxiao创建,最终由qxiao更新于
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
由qxiao创建,最终由qxiao更新于
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
由qxiao创建,最终由qxiao更新于
Lecture 9: Policy-Gradient & Actor-Critic methods Research Scientist Hado van Hasselt covers policy algorithms that can learn policies directly and ac
由qxiao创建,最终由qxiao更新于
MDPs和动态规划 研究科学家Diana Borsa解释了如何用动态规划解决MDPs,以提取准确的预测和良好的控制政策。
[/wiki/static/upload/81/813ce39b-112f-4d7b-b034-1b584731213d.mp4](/wiki/static/upload/81
由qxiao创建,最终由qxiao更新于
本文原载于[how-to-start-a-deep-learning-project](https://link.zhihu.com/?target=https%3A//medium.com/%40jonathan_hui/how-to-start-a-deep-lear
由ypyu创建,最终由ypyu更新于
研究科学家Hado van Hasselt探讨了为什么学习主体同时平衡探索和利用已获得的知识很重要。
[/wiki/static/upload/98/988872ab-a494-42d8-99e4-e3533441abb7.mp4](/wiki/static/upload/98/988872ab-
由qxiao创建,最终由qxiao更新于
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。
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
由clearyf创建,最终由clearyf更新于
由ypyu创建,最终由ypyu更新于
由ypyu创建,最终由ypyu更新于
由clearyf创建,最终由clearyf更新于