展开

关键词

量化到底是咋回事

和大家聊聊量化,以及可以在量化上的应用。我们程序还是应该懂点金融知识的。 通俗的说说相关的基础知识 首先跟大家聊聊。 量化这么好,是不是用了就赚钱?显然没有这么好的事咯,我们继续分析分析。 与量化 在量化中的应用可以算个升华。 就是机器自己生成这种策略,通过历史数据,来自动生成策略的模型。实际上这就是在量化中应用范围了。现在很多的投资顾问机器,就是这样的。 但实际上,不管是输入策略还是自动生成的策略模型,都无法解决量化本身的一些弊端和风险。这就是我们上一节最后的问题了,我在这里说一下自己的理解。 总结 可读到这里,你可就会问了,既然历史数据意义有限,感觉量化,在上并没有什么卵用啊。实际上也并非如此,华尔街那么多公司已经在做的事显然不会是毫无价值的。

71380

如何用预测双 11 的额?

序言 预测未来,是们梦寐以求的一项力。 本文将用一个简单的算法,即线性回归算法,预测阿里巴巴 2019 年双 11 的额。 1. 准备作 首先,我们导入 Python 中所需的库,并简单进行设置,让图片内嵌在 Jupyter 中显示,并正常显示中文标签。 处理数据 其次,我把历年双 11 的额数据,保存到文件「1111.xlsx」中,在林骥的公众号后台回复「1111」,可以获取该文件的链接。 线性回归算法,属于领域一种比较简单的算法,而现实世界往往是复杂多变的,预测结果仅供参考。 小结 本文用一个简单的算法,预测 2019 年双 11 的额为 2471 亿元,并用图形展示了预测的结果。 到此,预测作算是基本完成了,但数据分析作还要继续。

18700
  • 广告
    关闭

    90+款云产品免费体验

    提供包括云服务器,云数据库在内的90+款云计算产品。打造一站式的云产品试用服务,助力开发者和企业零门槛上云。

  • 您找到你想要的搜索结果了吗?
    是的
    没有找到

    、强、超

    文章目录 弱(Weak AI) 弱也称限制领域(Narrow AI)或应用型(Applied AI),指的是专注于且只解决特定领域问题的。 例如:AlphaGo、Siri、FaceID 等 扩展阅读: Weak AI ——Wikipedia Weak AI——Investopedia 强(Strong AI) 又称通用(Artificial General Intelligence)或完全(Full AI),指的是可以胜任类所有作的。 强具备以下力: 存在不确定性因素时进行推理,使用策略,解决问题,制定决策的力 知识表示的力,包括常识性知识的表示力 规划力 学习力 使用自然语言进行流沟通的力 将上述力整合起来实现既定目标的力 ——Stackexchange 超(Super Intelligence,缩写 ASI) 假设计算机程序通过不断发展,可以比世界上最聪明,最有天赋的类还聪明,那么,由此产生的系统就可以被称为超

    2K20

    如何改变华尔街——高盛被机器学习系统解雇?

    不过让大跌眼镜的是,眼下要丢了作的不是卡车司机而是华尔街商和对冲基金经理,虽然他们有力购买最贵的跑车,也有力雇佣 Elton John 参加他们的汉普顿之家聚会。 像高盛一样的金融巨头和许多顶级的对冲基金都在开发驱动系统。这或许表示AI在市场趋势预测方面的确比做得更好。 美国AI的投资和美国竞争力委会的高级顾问 Mark Minevich 表示,高收入的会被毫不留情地抛弃,就像一群被关闭了厂赶走的一样。 机器如何拯救全球经济 Eurekahed 监测了23个应用软件的对冲基金,发现它们的表现超过了主要依赖的资金。 根据商业公司 Coalition Development 的统计,12个最大投资银行的在销售,和研究方面的平均薪酬为50万美元。许多者收入达到数百万美元。

    64970

    -浅谈

    1 浅谈 1.1 的概述 (Artificial Intelligence),英文缩写为AI。 它是研究、开发用于模拟、延伸和扩展的理论、方法、技术及应用系统的一门新的技术科学 是计算机科学的一个分支,它企图了解的实质,并生产出一种新的相似的方式做出反应的机器, 从诞生以来,理论和技术日益成熟,应用领域也不断扩大,可以设想,未来带来的科技产品,将会是慧的“容器”。可以对的意识、思维的信息过程的模拟。 不是,但那样思考、也可超过。 ? 1.2 的应用领域 随着家电、穿戴设备、机器等产物的出现和普及,技术已经进入到生活的各个领域,引发越来越多的关注。 ?

    75820

    【独家】『AI』应用算法,7个必踩的坑!

    本期作者:Alexandr Honchar 本期翻译:1+1=6 | 公众号翻译部成 Bars data == weak data 大多数在一段时间内使用HOLC(高、开、低、收)价格和量。 他们确实在所谓的资产范围内进行(可采用相同的策略)。投资组合做多或做空这些资产使其保持平衡,或者如果使用某种策略进行,那么预期所有这些资产都将有良好的表现。 此外,当你将策略性与某个基准进行比较时(例如,在Crypto中,此基准可以是HODL策略),你感兴趣的是计算Alpha(优于基准的部分)和beta(策略风险敞口)。 我们甚至不确定在一段时间内会有出价或要求执行!这是一个非常严重的问题,它实际上破坏了我们所有的预测框架。但我们还没有找到一个简单的方法来解决这个问题。目前只有两种,但它们都是极端的。 这些分割代表了一种情况,当我们每N天重新训练一个网络(例如N = 21),验证未来3-7天的性,如果它满足运行在样本周期之外。

    49310

    打击

    随着 AI 技术的发展以及部分滥用,这句话也被应用在了上,一场新的军备竞赛开始了: vs 。 就这样,一场新的军备竞赛开始了: vs 。 Jupiter Research 的 Steffen Sorrell 表示,合成身份是信用卡欺诈“容实现的目标”。 因此,网络安全程序的欺诈检测技和黑帽黑客的欺诈创造技形成了锋。 这些欺诈创造技不仅用于信用卡诈骗,还扩展到图像和语音识别领域,在这些领域中,这些具被反过来用于制造假新闻、假视频和假音频。 如今,在线对坏来说,和对我们其他一样方便。信用卡内置安全芯片的普遍采用,使得面对面成为欺诈者的一大风险,其结果是,欺诈活动越来越多地转移到网上。 然而,通过使用机器学习重新利用面部识别具,程序创造了即使是最老练的观众也愚弄的 Deepfake 假视频。

    37230

    保护一线医护

    我们需要保护在危机期间冒着生命危险的急救和医院。这意味着充分利用我们可以使用的每一种具,包括。 创意解决方案 毫无疑问,当前的形势需要一个创造性的解决方案。 我们做的至少是减少患者到医护传播的风险,就是投资解决方案,使一些医疗过程自动化,并限制密切接触的需要。 评估限制疾病传播的力 在限制疾病传播方面,目标是使用AI具更好地分配力资源,同时仍然保护患者和。以最近在佛罗里达州坦帕综合医院部署的筛查系统为例。 但是,诊断程序的应用并不仅限于测试。一些还使用来支持过度扩张的医院中的患者管理。 但是,AI为筛查和患者管理作提供的好处显而见。部署这些具至少可以减轻我们疲惫不堪的前线的负担。

    18500

    摩根大通将利用实现更好的操作

    据《商业内幕》网站2017年8月报道,摩根大通((JPMorgan))正在测试一个系统。 ? 长期以来,主要金融服务公司一直在利用算法来提高股票效率。 现在,摩根大通表示已经开发出一套系统,将这种自动化提升到新的高度。 摩根大通自称是第一家将技术应用于实时的大型银行,而不像许多同行那样,只将该技术用于后分配。 摩根大通全球股票电子主管表示,尽管LOXM最初将用于自动化,但它后续可会接受训练,彻底熟悉个终端客户,以便在执行时考虑他们的行为和反应。 而且,如果LOXM确实实现了摩根大通所宣称的好处,这不仅将推动金融机构使用进行自动化,而且还将提高自动化标准。这意味着那些还没有关注大规模应用的金融机构耽搁不起了。

    40540

    漫画简史

    作者:武博士、宋知达、袁雪瑶、聂文韬 本节我们会以生动有趣的漫画来介绍关于(AI)相关的故事,你将会学习到: 的历史 1.2 的诞生 是最近才有的吗? 对于的研究者来说,这个会议是一场划时代的会议,会议将“像一样思考的计算机”称为“”,于是“”这个词,诞生了! ? 但是20世纪70年代开始,研究利用计算机的存储功,将“知识”存入电脑让它变得更加聪明。 斯坦福大学开发的MYCIN就是一个著名的例子。 面临不知道该如何理解文字意义,以什么方式描述知识,才让计算机容处理的问题(我们会在后面详细说明)。 从诞生到现在的历史,可以整理为下图: ? 当我们介绍浪潮的时候,总会有问“第三次浪潮”会很快结束吗?

    60420

    漫画:啥是

    作者:武博士、宋知达、袁雪瑶、聂文韬 本节我们会以生动有趣的漫画来介绍关于(AI)相关的故事,你将会学习到: 的基本概念 1.1 啥是 ? 究竟啥是? 接下来,我会带大家一一解惑。 1.1.1 慧和 究竟什么是,什么是AI,接下来,由我为大家解答。 对于的研究来说,目标并不是研究慧的来源,而是以程技术手段制造出类似慧的 产品。 类和最大的差异是,肉体的有无。 ? 类可以通过身体获得外界资讯。 必须依赖类,将类通过鼻子、眼睛、嘴巴、皮肤...获得的外界资讯,以某种形式”输入“到才可以加和处理这些信息。 具体输入方式我们未来讨论。 只要三成以上的研究误以为是类,就算通过图灵测试。 但是由于计算机很难做到与类接近的对话,所以很长一段时间都没有任何通过图灵测试。

    59020

    在本章末,书中用通俗懂的话对深度学习和大数据与的关系做了详尽的阐述,正是深度学习与大数据携手早就了第三次AI热潮,读后受益匪浅。 按照这个标准,,司机等职位会被取代。但作者也明确表示,五秒钟准则只是个经验法则,如,护理作,很少有复杂的决策过程,但它很难被机器取代,因为这项作需要较多的之间的流。 但,收银、银行柜台这些也需与顾客流的作却有被替代的趋势,我觉着在判断是否可以替代某项作时,还应结合替代的经济成本这个维度加以考虑。 作者认为,将来大部分作只是作内容发生转换而非消失。 全书通俗懂而又不失专业水准,通篇没有晦涩的专业术语和枯燥的数学公式,是科普的优秀读物,值得一读。 影视推荐 《黑客帝国》三部曲 《》 《异次元骇客》 《机器总动》 文章较长,文笔较烂,读到最后哥们对你表示佩服和同情,:) 。

    1.3K30

    慧建筑项目中会接触到一些AI相关的功脸识别是其中最常用的算法,基本是每个项目标配。今天就从脸识别入手谈谈AI在实际项目中的使用情况。 ToB中,往往做决定的并不是技术,他们对AI的理解只有个大概,而且经常是期望很高。不管前期沟通得如何顺畅,客户给钱给得如何豪爽。该清楚讲给用户听的一定要做到。 因为就算他前期只有个模糊印象,付过程中清晰起来了,第一个怼的就是你。 客户的期望是一方面,AI的应用限制是另外一个方面。 聚个例子,有个项目中给客户安装脸识别门禁机,放在客户公司门口,但因为是在办公楼内,光照条件不是很好,识别效果不如意。 训练成本的窘境。 接着上面的例子,的杀手锏说到底还是训练,打标签。 要做有口碑的付团队,任重而道远。

    57940

    (Artificial Intelligence),英文缩写为AI。它是研究、开发用于模拟、延伸和扩展的理论、方法、技术及应用系统的一门新的技术科学。 是计算机科学的一个分支,它企图了解的实质,并生产出一种新的相似的方式做出反应的机器,该领域的研究包括机器、语言识别、图像识别、自然语言处理和专家系统等。 从诞生以来,理论和技术日益成熟,应用领域也不断扩大,可以设想,未来带来的科技产品,将会是慧的“容器”。可以对的意识、思维的信息过程的模拟。 不是,但那样思考、也可超过是一门极富挑战性的科学,从事这项作的必须懂得计算机知识,心理学和哲学。 是包括十分广泛的科学,它由不同的领域组成,如机器学习,计算机视觉等等,总的说来,研究的一个主要目标是使机器够胜任一些通常需要完成的复杂作。

    16410

    最新 | JP摩根、机器学习应用算法解析

    如果你对机器学习和(AI)在金融领域的应用感兴趣的话,J.P. Morgan最新发布了一份关于算法“应用数据驱动学习”问题的报告。也许对你有帮助。 2、订单中的数据极其复杂 编写电子算法是一项极其复杂的作。 例如,JPM的分析师指出,一盘国际象棋大约有40步长,一盘围棋大约有200步长。 在过去,摩根大通的分析师指出,电子算法是“一种科学的、定量的模型的混合体,它表达了对世界运行方式的定量看法。”它们包含“表达和算法用户的实际经验、观察和偏好的规则和启发式”。 大多数编译的algo是“数万行手写的,很难维护和修改代码”。当客户反对和市场发生变化时,JPM表示,类的算法会受到“特征蠕变”的影响。 10、一些有用的开源强化学习框架 如果你想建立自己的算法,JP摩根的研究建议你从几个地方开始: 他们注意到一些有用的早期开源强化学习框架,包括: OpenAI baselines、dopamine

    48430

    制造一样吗?

    一直以来是大热,制造又是新兴的关键词,说到制造就想到,那么两者到底是一样的吗? 说到,我们并不陌生,机器和阿尔法狗都深入心,大多数的理解是有着的思维,像一样去完成各种操作,然而真正的不止如此,它的应用领域十分广泛,小到一台手机,大到一个厂的重型设备这些都是的产物 目前,“互联网+”和“+”已成为制造业转型升级的主攻方向,制造是设备等一系列对象在互联网、大数据、等技术的支持下,满足类的需求而产生的。 无法进行数据换、信息共享、决策分析等等,化产线不仅解决了这些问题,而且提高生产效率和作效率,并有效地降低了生产成本。 所以制造并不混为一体,制造算是和众多技术融合发展的结果! 忽米网——让业更有

    29050

    今天来谈谈的研究作中所做的一些基本的抽象。 一、体的概念 研究的对象称为体(Agent),其他的外部条件划归为环境。 ? 体通过感知获取环境信息并通过执行器和环境互,举个例子,机器的摄像头是他的感知器,马达是他的执行器。 感知,是关于时间的输入序列,对应的会有一个输出的执行动作。 体做出什么样的反应取决于输入和输出之间的映射关系函数,这个函数就是体研究的核心。 编写出体的程序则具体实现这个数学意义上的函数。 二、体的性衡量 我们研究体是要他做正确的事,因此需要有一个标准去衡量他的表现,一个合理的体会最大化这个期望的标准。 总结,的研究的期望是实现一个,在给定的每个可的感知序列下,做出让期望的性最大化的行动的理性的体。

    74660

    领域, 开发需要什么技

    我们向他们询问: “开发精通AI项目需要有哪些技?” 下面是他们给出的答案: 数学 这取决于你想要在这个领域研究多深入。是一门不可知的语言。你的确需要知道关于数据和其他的一些技术。 数学专业的更容成为软件程序。在统计学方面拥有坚实的基础可以使你在或者机器学习领域有所造诣。软件开发者不只是简单地把一个Python库应用于一个问题上。 开始为一家公司作或在作中自己做一些与相关的事情。寻找用例。我们只需让开发使用神经网络来构建一个应用程序以了解图像何时被完全正确呈现。了解AI框架和Spark。 其他 后端开发需要知道机器学习和大量围绕的开源技术。前端开发需要学习有关机器和会话流程的知识。 领域的知识。不像Tableau。你需要知道对应的问题的正确解决方案。 作为开发, 我们的作是关于训练的。分解问题,思考如何有效地进行训练。观察并回到某个学习基础点上。思考你需要系统理解的核心概念。有很多条路径可以完成你正寻找的东西。

    2.3K50

    相关产品

    • 腾讯觅影开放实验平台

      腾讯觅影开放实验平台

      一站式医学人工智能开放创新服务平台,涵盖数据管理、标注,算法训练、评测、应用全流程

    相关资讯

    热门标签

    扫码关注云+社区

    领取腾讯云代金券