Apr, 2022

基于数据驱动的框架，用于识别私募股权投资机会

PDF
TL;DR本文提出一个基于数据驱动的框架来自动筛选投资机会，并且推荐可以投资的公司。该框架利用多个数据来源来对公司的财务和管理状况进行评估，并使用可解释性人工智能（XAI）引擎提供投资建议。此模型的健壮性通过不同的人工智能算法，类别不平衡处理方法和从可用数据来源提取的特征进行验证。
private equityinvestingautomated screeningexplainable aiinvestment recommendation
发现论文，激发创造
  • 一种可扩展和自适应的系统，用于推断公司的行业领域：生成语言模型的 Prompt + 模型调整

    本文提出了一个基于生成式语言模型的细分领域推断系统，在私募股权机构的行业投资中取得了优良的表现。

    Jun, 2023

  • 投资的人工智能：一个平台颠覆

    投资领域的发展变得愈发竞争，对于基金来说，高效扩展交易资源和提升交易洞察力已成为一种主导策略。这些任务无法通过传统方式进行扩展，因此自动化的需求也随之上升。许多第三方软件服务提供商应运而生，但他们由于缺乏对基金的个性化支持、隐私限制以及软件应用场景的局限性而未能成功。因此，大多数主要基金和许多较小的基金已经开始开发自己的人工智能平台，这对行业来说是一场变革。这些平台通过与基金直接互动变得越来越智能化，并可用于提供个性化的应用案例。最近大型语言模型的发展，例如 ChatGPT，为其他基金开发自己的人工智能平台提供了机会。虽然现在没有 AI 平台不会造成竞争劣势，但两年后将会有变。基金需要一个实际可行的计划以及对这种 AI 平台的风险评估。

    Sep, 2023

  • E2EAI：用于主动投资的端到端深度学习框架

    本研究首次提出了一种覆盖因子选择、因子组合、股票选择和投资组合构建等环节的端到端深度学习框架，通过实验证明，这种框架在积极投资中具有有效性。

    May, 2023

  • 多策略文本处理在金融数据分析应用中的应用

    本文主要介绍了如何利用多种数据挖掘技术和深度学习应用于金融文本处理场景，并且展示了如何使用自然语言处理（NLP）和知识图谱（KG）技术来从异构数据中识别金融风险和机会。

    Apr, 2022

  • ESG 投资：过滤与机器学习方法

    本文基于机器学习算法，通过将 ESG 特征与金融绩效进行非线性关联，找出了一种有效的股票筛选方法，其能力超越传统的 ESG 评分筛选方法，揭示了 ESG 特征与金融经济之间的链接及股票筛选的新思路，证明了只有机器学习这样某些非线性的技术才能挖掘企业 ESG 的 Alpha。

    Feb, 2020

  • Quant 4.0：基于自动化、可解释和知识驱动的人工智能工程化量化投资

    该论文介绍了 Quant 4.0 的概念，它由自动化 AI、可解释的 AI 和知识驱动的 AI 三个组件构成，并探讨了 Quant 技术的十个研究问题，提出了可行的解决方案、研究方向和未来趋势。

    Dec, 2022

  • 工程公司 AI 整合的正确路径选择：战略指南

    该研究论文介绍了工程采购建设 (EPC) 行业对人工智能 (AI) 日益重视的框架，并以实例和洞察力为基础，从初期业务理解到部署和进一步演进，全面覆盖了构建 AI 解决方案的生命周期。该框架有助于大型国际工程公司在选择最佳 AI 方法以创造业务价值时做出决策，并且对于研究 AI 项目管理和组织策略以整合 AI 技术进入业务领域也有积极的贡献。

    Dec, 2023

  • Qlib：面向 AI 的量化投资平台

    研究旨在通过使用 AI 技术，为数量化投资提供一个强大的基础架构，以支持新的学习范式和数据驱动的方法，并解决在 AI 技术应用于金融领域的过程中所面临的挑战。

    Sep, 2020

  • 金融组合管理问题的深度强化学习框架

    本文提出了一个具有 EIIE 拓扑结构、PVM、OSBL 方案和完全利用和显式奖励函数的基于深度强化学习的组合策略金融投资组合管理框架，该框架需要使用 CNN、RNN 或 LSTM，通过在加密货币市场上进行三次回测实验，与其他相比，实现了最好的投资回报。

    Jun, 2017

  • 利用网络和知识图谱进行自动化影响投资评分

    通过数据驱动系统，自动创建可持续发展目标框架，实现准确预测公司的目标得分，并提供与预测得分相关的数据解释，从而以较低成本提供大量信息。

    Aug, 2023