股票
-
量化paper读书笔记（一）——DeepLOB深度学习订单簿
本栏目主要目的是寻找最新发布或经典的量化文献，一方面督促自己去研究消化，另一方面分享自己在研读过程中的心得和理解，无论是方法论层面还是代码层面。欢迎各位踊跃提出自己的看法和…
-
量化paper读书笔记（三）——ALSTM-基于双阶段注意力的递归神经网络
本文概述： 本文提出了一种新颖的双阶段注意力机制的循环神经网络（DA-RNN），用于时间序列预测。时间序列预测是指根据过去的数据，预测未来的值。常见的时间序列预测方法包括自回归移动…
-
量化paper读书笔记（二）——DoubleAdapt-用于股票趋势预测的增量学习的元学习方法
本文概述： 本文提出了一个名为DoubleAdapt的端到端框架，用于增量学习在股票趋势预测中的应用。关键词DoubleAdapt即两个适配器（data adapter和model…
-
量化paper读书笔记（四）—— AIPGS-基于AI的股票分组系统
本文概述 本文探讨了如何利用AI开发一个数据驱动的股票分组系统，以捕捉市场感知，从而将公司按照不同粒度水平分组。文中介绍了一种连续的公司相似性度量方法，并使用该方法将公司分组并构建…
-
DeepUnifiedMom多门控、专家混合(MoE)的多任务学动量投资组合——量化paper（五）
本文概述 论文的主要研究内容和目的： 这篇论文介绍了一个名为DeepUnifiedMom的深度学习框架，旨在通过多任务学习和多门控混合专家（Multi-Gate Mixture o…
-
通过强化学习生成公式化Alpha因子——Reinforcement Learning & Alpha Factors
本文概述： 本文提出了一种新的框架，用于在量化交易领域中生成能够协同工作的公式化Alpha集合。Alpha因子是用于预测市场趋势的信号，而传统的Alpha生成方法通常独立地挖掘每个…
-
Decision Tree：决策树用于日内交易策略
在金融市场的快速波动中，投资者常常寻求能够快速反应市场变化的交易策略。传统的日内交易依赖于技术分析，通过固定的规则组合来做出交易决策。然而，这些规则往往需要大量的人工分析，并且可能…
-
特征编程：灵活的时间序列特征工程框架
· 论文 | Meta contrastive label correction for financial time series · · 一 本文简介 本文提出了一种新的方法来…
-
通过分层卷积学习动态关系并降低噪声，用于长期序列预测
· · · 一 本文概要 深度学习算法，特别是基于Transformer的模型，通过捕捉长期依赖关系和历史信息，已经取得了显著的性能。然而大多数现有工作忽略了序列中变量之间的动态交…
-
非序列化表格数据的自监督学习综述
· · · 一. 摘要 自监督学习（SSL）是一种在各个领域中广泛应用的方法，它利用无标签数据来定义预训练任务，以学习上下文化和鲁棒性强的表示。最近，SSL在表格数据领域探索表示学…
-
Functime:支持接入大模型的时间序列特征提取和预测工具
· · · 在数据分析和机器学习领域，时间序列数据的处理和预测是一个关键且复杂的任务。Functime是一个专为大规模时间序列数据分析而设计的Python库，它利用Polars库的…
-
AFS-BM：一种自适应数据变化的二进制掩码特征选择[附开源代码]
· 论文 | Meta contrastive label correction for financial time series · · 一 本文简介 随着数字时代的到来，我们…
