展开

关键词

【划重点!】上周机器学习与量化投资论坛精华锦集

新时代的春天里,十九大提出加快发展以为代表的新经济。在与其他行业的碰撞中,与量化投资的结合无疑是一颗最为璀璨的明珠。 安信证券金融程部与CFA中国上海携手,量化投资与机器学习公众号有幸受邀。同时还有来自公募、私募的资深专业士,分享在投资领域应用机器学习的心得和见解。 1、机器学习与CTA 演讲嘉宾:付超 现任某资产公司创始,曾任明汯投资宏观对冲部负责,富善投资CTA策略组合副主管。 2、机器学习与A股的量化投资 演讲嘉宾:吴振翔 现任汇添富基金指数与量化投资负责,长期从事A股市场的量化研究和投资,目前管理多只量化和指数公募基金,团队对机器学习在投资上应用有一定的实践和体会。 3、机器学习量化价值挖掘初探 演讲嘉宾:沈天瑞 | CFA 沈天瑞博士现任垒土投资创始合伙兼首席投资官。剑桥大学认知脑科学博士、认知心理学硕士;复旦大学光源与照明学士,15岁参加高考进入复旦大学。

95040

2021『量化圈』年度最佳论文出炉(附下载)

量化投资与机器学习微信公众号,是业内垂直于量化投资、对冲基金、Fintech、、大数据等领域的主流自媒体。 股票和债券收益正相关的回归,可要求投资官们重新考虑他们的资产配置。” CFA协会的这篇论文通过探索负收益债券市场,并询问谁在购买这种债券以及为什么购买,从而引发了这场辩论。” 他们质疑为什么美国股市的估值会随着时间的推移而发生如此大的变化,以及历史估值方法是否够应对其中的许多因素。作者提出了一种新的估值模型,它可有助于为未来的不确定性提供一些帮助。” 相关气论文 1、International Guide to Cost of Capital: 2021 Summary Edition(CFA Institute Research Foundation

17330
  • 广告
    关闭

    腾讯云618采购季来袭!

    一键领取预热专享618元代金券,2核2G云服务器爆品秒杀低至18元!云产品首单低0.8折起,企业用户购买域名1元起…

  • 您找到你想要的搜索结果了吗?
    是的
    没有找到

    干货 | Fintech才缺口破百万:应届起薪60W, 没出校门就被抢光

    /理财、机器学习和云计算、金融征信、金融信息提供平台、Miscellaneous等领域。 * 图片来源:financial time 就连金融第一大考CFA考试,也将新增Fintech的内容。CFA协会计划在2019年的CFA考试中增加有关,机器顾问和大数据分析方法的题目。 * 图片来源:Bloomberg report 如此抢手的才,自然薪酬也不可会低。根据Google调查显示,在美国Fintech才的平均年薪甚至可以达到8.8万美刀。 ? 广发证券:14大岗位共计招聘逾40,其中涉及区块链软件研发程师、大数据开发程师、应用研发程师等职位,专业要求基本是以计算机相关专业为主。 国金证券:今年招聘网络金融部的APP产品运营、产品经理、ETL程师、功测试程师等10余个岗位。

    80620

    、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 使用自然语言进行交流沟通的力 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

    ISP基础(0y):图像传感器

    由于光电二极管是只支持单颜色的装置,它不区别不同波长的光线。 因此,数码相机程师在相机感应器的上部装上了一套镶嵌式的颜色滤镜,一个颜色过滤排列装置(CFA),以便让感应器区分组成可见光的红、绿、蓝三种基本颜色。详细请看以下图表: ? 带有GRGB CFA的镶嵌式感应器只捕获25%红光和蓝光、50%的绿光。 Red Chnnel(25%) Green Chnnel(50%) Blue Chnnel(25%) ? 2.2 各类型CFA 除了GRGB颜色过滤排列器(CFA)外,还有RGGB、RCCB、RCCC类型的CFA,还有一些CFA被应用在数码相机上。 例如CYGM CFA,这种CFA运用青、黄、绿、紫四种颜色结合还原被摄物体原理的颜色。准专业级数码相机索尼F-828便使用了CYGM CFA。 RCCB为例: C是不进行波长虑光的,白色光。

    40320

    -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。 ?

    75720

    打击

    来源:AI前线 本文长度为4000字,建议阅读8分钟 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 。 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 。 然而不幸的是,网络罪犯同样也利用创建自己的合成身份,产生的结果也足够真实,足以愚弄发现异常行为的。 这场之战——也是打击网络安全欺诈者,正在假新闻、假视频和假音频的战壕中展开。 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“容易实现的目标”。 ,从手动“刷卡”到用创建合成身份。

    37230

    学生:什么是 CompletableFuture 啊?啪!老师甩过来一篇文章

    文章来源:https://javadoop.com/post/completable-future 本文安利一个 Java8 的具 CompletableFuture,这是 Java8 带来的一个非常好用的用于异步编程的类 这里强调的是任务之间的并行作,没有先后执行顺序。 大家可会对这里的几个变种有盲区,这里顺便说几句。 thenApply 类似于 map 操作,把 cf 实例的结果加成另一个值,像 Stream 里面的 map() 方法。它还有一个很重要的特征,这里是同步的操作。 说到这里,大家可会想到 Stream 里面的 flatMap() 了。 另外,cxuan 肝了六本 PDF,公号回复 cxuan ,领取作者全部 PDF 。 ?

    34920

    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。 媒体上几乎每天都有AI和的词汇,总给一种深奥神秘的感觉。顾名思义就是类制造的慧,英文叫Artificial Intelligence(AI),所以=AI。 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。 除了这部电影之外,《黑客帝国》、《终结者》、《全面进化》等描述的电影中,大多提到会威胁到类生活,而不是给类带来幸福,这让很多谈到都会感到恐慌。

    58820

    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? 其实很早就有了,都快63岁了呢。 让我们进入历史的长河,一起沿着时间的足迹探究。 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! ? 20世纪70年代末成了的寒冬。 1.2.3 第二次浪潮 在第一次AI浪潮中,无法为疾病治疗等类实际问题做出贡献,使相关研究进入严冬。 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

    结构方程模型SEM、路径分析房价和犯罪率数据、预测力影响因素可视化2案例

    让我们来看看: summary 5.3 CFA 的修正指数 modification 修正指数表明 x9 可会加载 visual 因子,或者 x7 可 x9 具有唯一的残差相关性。 上面的 CFA 只包含一个测量模型——一个具有因子之间相关性的三因子模型。如果我们还想看看学校的年级在多大程度上可以预测力因素(视觉、文本、速度)的水平,该怎么办? summary( fit.measures=TRUE) semPath 正如们所预料的那样,高年级的孩子在潜在力因素上得分更高。 #根据标准模型,干扰因素与因子不相关 x1d ~~ 0*视觉 x1d ~~ 0*文本 x1d ~~ 0*速度 #我们现在可以看看X1的具体方差和视觉因素是否唯一地预测的年龄 summary(fitne 6.1 CFA分类数据演示 这是一个快速演示——如果我们的每个力测试项目只有三分法怎么办? hist 我们用有序参数告诉R哪些项目是有序分类的。

    20220

    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。 比如严格按照五官长相来识别脸,准确率会上升,但召回率可会下降。(胡子邋遢没洗头发的唐老鸭会被排除) 相反如果放宽识别的条件,召回率可会上升,而准确率对应的会不那么精确。 (没洗头发的唐老鸭被识别了,但跟唐老鸭长得相似的小黄鸭也被放行了) 二 行业冲突 客户对AI的期待与目前AI达到的力存在一定偏差。 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。 同个算法在不同的数据集下表现很可有差异。比如化妆女性,阿拉伯,这些准确率都是要靠海量的样本数度学习堆起来的。那么问题来了,为客户在特定的环境训练算法?技术上是可以,但成本谁来承担。

    57940

    全书共分为6个章节,6个主题: 现状 发展历程 类有威胁吗 目前的典型应用场景 带来的创新创业机遇 时代教育与个发展 用第一章中提到的Primsa软件 会威胁到类吗 先科普三个概念: 弱 也称限制领域或应用型,指的是专注于且只解决特定领域问题的,也是当前所处的阶段。 强 又称通用型或完全,指的是可以胜任类所有作的。 超 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。 ;而在这之后一个半小时,这个强变成了超达到了普通类的17万倍。

    1.3K30

    (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

    数据到信息到知识到

    数据到信息到知识到慧 这是大数据时代,这是时代,这是一个数据驱动一切的时代。 中文确实博大精深,大家都在说大数据,说数据挖掘,说知识图谱,说。 数据是测量的结果 无论是古埃及夜观天象,得到日月星辰的运转,还是今天我们用仪器设备去测定各种指标。本质都是”观察“,观察的结果就是数据。 观察的角度不同,得到的数据也不一样。 比如,上述信息,很容易表达成知识:网页正文字数和网页包含的链接会影响长尾词的排名 覆盖长尾词的页面,保证正文字数控制在500字以上,网页中包含的链接控制在130以下,会提高网页出现在百度首页的概率 慧是类的事情 ,这是一种悟 AI就是希望机器,在数据到知识的基础上,进一步够产生慧,目前看,还很难。 关于作者:魏佳斌,互联网产品/技术总监,北京大学光华管理学院(MBA),特许金融分析师(CFA),资深产品经理/码农。偏爱python,深度关注互联网趋势,,AI金融量化。

    29770

    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交互,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。

    74560

    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 是计算机科学的一个分支。 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。 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

    R语言实现潜变量模型构建

    作为多元数据分析的重要具。其可以分成两部分:测量模型和结构模型。所谓测量模型主要是研究潜变量(因子)和显变量(测量指标)的关系;结构模型指的是研究潜变量(因子)之间的关系。 所谓信度(Reliability)即可靠性,是指采用同一方法对同一对象进行调查时,问卷调查结果的稳定性和一致性,即测量具(问卷或量表)否稳定地测量所测的事物或变量;效度(Validity)即有效性, 它是指测量具或手段够准确测出所需测量的事物的程度。 信度与效度二者的关系:信度低,效度不可高;效度高,信度也必然高。 ? 其中alpha>0.8,内部一致性极好;0.6-0.8较好;<0.6一致性较差。 其参数与功cfa基本一致,我们直接看下实例: ?

    1K20

    or障?

    这里芒果看到的是:目前而言无论是自动化测试还是AI测试,其本质不过是先写一段代码,然后去测试另一段代码的作,对于功的验证是一个非黑即白的结果;但是由于现在业务的复杂性,再加上用户对于产品的易用性 、满意度的要求根本不是可以明确规范的事;我们的软件测试作是一份创造性极强的作,自动化orAI测试是不可完全做到代替我们的。 我们做的,就是利用AI、利用自动化技术等,帮我们解放力,提高作效率,管你是AI还是障BI,只要帮我们搞定测试大事就是好样的。

    4710

    扫码关注云+社区

    领取腾讯云代金券