模型训练

从金融角度看，模型训练是利用历史数据，通过特定算法构建并优化数学模型的过程。其目的是揭示隐藏在海量数据中的规律，并预测未来趋势。在金融风险评估、投资策略制定、市场预测等核心领域，模型训练发挥着至关重要的作用。它能够将复杂的金融现象转化为可量化、可操作的数学表达，帮助决策者规避风险，发现价值投资机会，以及把握市场动态。随着数据量和计算能力的不断提升，模型训练在金融领域的应用将越来越广泛，成为推动金融行业创新和发展的重要驱动力。

幻方量化徐进解析深度学习量化与萤火虫Lab

2021世界人工智能大会于2021年7月8日至10日在上海世博中心和上海世博展览馆同时举行。会中幻方量化合伙人徐进探讨了如何使用量化模型和深度学习在股市中赚钱的路径。

徐进提到,与传统股票定价不同,量化通过输入获取的信息,包括行情数据、上市公司财务数据,还有另类数据,比如新闻舆情、产业链等,进行模型训练,利用深度学习对股票进行定价。

在徐进看来,在这个过程中,需要处理很多关键细节,细节是魔鬼!以时间序列预测模型为例,包括数据清洗、规划处理、防止过拟合、避免未来函数等,大量的细节决定了量化能否赚钱,并不是简简单单就能成功的。“只要你对市场、数据充分了解之后,才能得出比较好的赚很多钱的结果。

更新时间：2021-11-03 09:41

导语

本文将介绍LSTM模型的原理与构建其选股模型的流程

LSTM简介

循环神经网络（RNN）

传统的神经网络是基于所有时刻的输入和输出间相互独立的假设来生成已学习数据的静态模型，并根据新接受的数据进行运算。但在很多情景中，如语音识别中预测当前的单词的含义，需要知道之前的输出结合上文语境做出判断，循环神经网络（Recurrent Neural Networks，简称 RNN）可以用于解决这类问题。循环神经网络也被称为递归神经网络是受到人类对于近期事件会有所保留的背景而启发，循环神经网络会随着数据的输入生成动态模型。理论上，RNN可以支持无限长的时间序列，然

更新时间：2021-07-30 08:19