quantitative trading | BriefGPT

关键词quantitative trading

搜索结果 - 10

从关注到利润：基于 Transformer 的量化交易策略
该研究提出了一种增强型的 Transformer 架构，设计了一种基于该模型的新型因子。通过从情感分析进行迁移学习，该模型不仅利用其原有的长期依赖性和复杂数据关系建模的优势，而且能够解决带有数字输入的任务并准确预测未来一段时间的回报。该研究
PDF3 months ago
数字资产投资组合管理与风险评估的深度学习预测分析优化
在这篇论文中，作者介绍了 DQN 算法在资产管理组合中的创新和直接应用，并且表明 DRL 算法在投资组合管理中的有效性，同时提出了通过添加约束条件来改善结果的建议。
PDF4 months ago
基于强化学习的量化交易协同式公式化 Alpha 生成
通过扩展搜索空间和利用预训练的公式化 Alpha 集作为初始种子值以生成协同公式化 Alpha，本文提出了一种增强现有 Alpha 因子挖掘方法的方法，并以强化学习作为高效发现股票市场量化交易中已知指标（称为 Alpha 因子）的过程。我们
PDF6 months ago
股市情绪分类和精细调整的 BERT 回测
基于情绪理论，本文以东方财富网为例，从用户评论数据中提取情感信息，并结合 Alpha191 模型进行回归分析，结果显示情感因素的加入使回报率相比于基准模型提高了 73.8%，相比于原始 alpha191 模型提高了 32.41%。同时讨论了
PDF10 months ago
KDD通过增强学习生成协同配方式 Alpha 集合
本文提出了一种新的 alpha 挖掘框架，这个框架优先挖掘协同集的 alphas，并利用强化学习来探索公式 alphas 的广阔领域，实验表明这个框架的有效性和效率。
PDFa year ago
使用深度 Q 学习进行量化交易
本文探讨了强化学习在量化交易中的应用，并提出了一个基于强化学习的交易算法案例研究。结果表明，强化学习可以成为量化交易的强有力工具，有潜力胜过传统的交易算法。强化学习在量化交易中的应用代表了一个有前途的研究领域，未来的工作可以探索使用其他强化
PDFa year ago
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。
PDF2 years ago
KDD基于先验知识的 Alpha 发现神经网络
本文提出了 Alpha Discovery Neural Network (ADNN) 用于自动构建多样化的金融技术指标。与已有的遗传编程方法不同，该方法采用预训练和模型修剪等方法构建特征，取得了比遗传编程更好的实验结果。
PDF5 years ago
KDDAlphaStock：使用解释性深度强化关注网络的买赢家卖输家投资策略
本文提出了一种结合解释性深度注意力网络的强化学习投资策略，将深度学习方法应用于量化交易，提高投资策略的风险收益平衡度和可解释性，并实现了资产间关系和高成长、低波动、高内在价值和被低估的股票的选择，经过对美国和中国市场的实验验证，此策略具有较
PDF5 years ago
101 公式化 Alpha
本文提供 101 个实用量化交易 alpha 的具体公式和计算机代码，其平均持有期约为 0.6-6.4 天。这些 alpha 之间的平均相对关联较低，为 15.9%。该研究进一步发现，交易频率对 alpha 相关性的解释能力较差。
PDF9 years ago