股票

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…

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…

· 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…

· · · 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…

· 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…

· · · 一 本文概要 回归问题在现实世界中非常常见和基础，涉及各种任务和领域。比如，通过人的外貌来估计年龄、通过人的生理信号来预测健康状况，或者通过摄像头图像来检测注视方向等等…

· · · 一 本文概要 传统的递归神经网络（RNN）架构，如LSTM和GRU，在时间序列任务中一直很流行。然而由于存在长期依赖难以建模，梯度不稳定，计算效率低等局限性，最近的时间…

· · · 一. 本文简介 最在时间序列预测领域，基于Transformer的模型取得了显著的进展，并且表现出很好的结果，成为超越传统的线性模型的新基准模型。本文提出了一种名为Un…

· · 一.  本文概要 特征选择是机器学习中一个重要的步骤，它可以帮助我们减少数据冗余并减轻模型过拟合的问题。但是，在流数据中，经常会出现概念漂移的现象，这会严重影响模型的性能。…