金融机器学习的应用
The Sisyphus paradigm(团队分工)
Integer differentiation(整数阶差分)
Inefficient sampling(数据同分布)
Wrong labeling(标签的新用法)
Weighting of non-IID samples(样本权重)
Cross-validation leakage(样本内外数据)
Backtest overfitting(过拟合问题)
Marcos Lopez de Prado应邀在美国计算机学会关于金融领域的人工智能会议上发表主旨演讲,会议将于2020年10月14日至16日举行
conference-program:https://ai-finance.org/conference-program/
《Machine Learning for Asset Managers》
《Advances in Financial Machine Learning》
投资组合构建/风险分析
https://papers.ssrn.com/sol3/papers.cfm?abstract_id=2708678
信用评级/分析师建议
1、股票分析师应用许多模型和启发式方法来产生信用和投资评级。
2、这些决定并不是完全随意的,它们对应于一个复杂的逻辑,而这个逻辑不能用一组简单的公式或一个定义良好的过程来表示。
3、机器学习算法成功地复制了银行分析师和信用评级机构提出的大部分建议
非结构化数据
-
每日文章总数。平均为458篇/天,最大5000+篇
-
每日积极情绪的文章数。
-
每日负面情绪的文章数
国内的上市公司,ChinaScope数库对每篇文章的实体进行了情绪识别给出了正负面情绪,同时也对相关实体和整篇文章给出情绪值
J.P. Morgan会在接下来的日子里联合ChinaScope(数库)定期的发布有关A股的量化研究报告