Sep, 2023

投资的人工智能：一个平台颠覆

PDF
TL;DR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。
deal sourcingdeal insightsautomatingai platformsrisk assessments
发现论文，激发创造
  • 人工智能革命对资产管理的影响

    本文阐述了深度学习、机器学习和人工智能的能力，以及它们在股票资产管理领域的影响，并提供了一个判断基金是否完全利用深度学习以及是否存在深度学习带来的大风险的简单框架.

    Apr, 2023

  • 面向中小型环境的本地 AI 即服务

    这篇文章探讨了人工智能作为服务的功能和相应技术栈以及可能的实现，分析了适用于小型和中型用户的开源用户友好技术，允许完全控制数据和技术平台而不依赖任何第三方或供应商锁定。

    Oct, 2022

  • 降低基礎模型訓練的進入門檻

    我们提出了一种基于分析框架的方法，量化突出了训练大型语言模型的进入障碍，并指出了减轻这些障碍的机会。

    Apr, 2024

  • 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

  • 和企业一起建立人工智能创新实验室

    本文提出了 AI 创新实验室的概念，旨在为企业提供完整的人工智能业务解决方案总体框架，从构思到实施，从商业价值到可行性的评估。

    Mar, 2022

  • 人工智能的系统挑战：伯克利视角

    该论文探讨了人工智能的发展带来的挑战，提出了在系统、架构和安全方面的研究方向，以解决 AI 技术存储和处理数据量的限制，并提高数据隐私保护，以便这一技术能够更好地改善人们的生活和社会。

    Dec, 2017

  • 基于强化学习的金融视觉交易策略

    人工智能交易虽然取得了显著的超人表现，但其潜在的黑匣子决策带来了风险。适当监督和透明性是确保该技术成功应用于交易领域的关键。

    Feb, 2022

  • 识别欺诈行为的人工智能

    我们提出了一种使用机器学习和游戏化技术的意识系统，用于教育人们有关投资诈骗和陷阱的知识，旨在通过主动学习教育投资者来降低各国间的不平等，帮助监管机构确保一个公平、高效和包容的资本市场环境。

    Aug, 2023

  • 基于数据驱动的框架，用于识别私募股权投资机会

    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。

    Apr, 2022

  • AI 竞赛和基准测试：竞赛平台

    人工智能竞赛的生态系统是一个多样化和多方面的领域，其中包括各种平台，每年举办大量的竞赛，以及专门致力于单一竞赛的众多专业网站。本章对该领域的主要服务进行了广泛审查，并阐述了一些促进这些挑战独立托管的替代方法。

    Dec, 2023