【2020年度合辑】人工智能量化实验室原创推送合辑

关于人工智能量化实验室

公众号《人工智能量化实验室》主要关注于人工智能知识在量化领域的成果与实践,同时也会分享一些python量化金融项目介绍与实战,以及该领域相关的论文与金工研报的解读。除此之外,公众号不定期还会有学习资料、书籍等赠送活动。以下是公众号主要推送的内容:

1、机器学习、深度学习等人工智能领域知识。

2、前沿人工智能量化的论文与研报等理论与实践成果介绍。

3、传统量化策略以及智能量化策略分析。

4、python量化金融的实践与应用。

5、金融时间序列分析知识。

6、python编程技巧以及实战项目。

历史推送文章

不知不觉中,《人工智能量化实验室》公众号已经迈入了第二个年头,感谢这段时间所有关注公众号的朋友,尤其是当看到后台不断增加的关注数,才激励我继续进行原创文章创作。下面整理了历史推送过的原创文章,感兴趣的读者可以收藏这篇文章以便进行阅读。在接下来的时间中,我也会继续推送更多高质量的文章,希望大家可以继续支持和关注。

点击下方文章标题进入相关文章。

人工智能与量化金融

1. 人工智能在量化领域应用相关论文整理

2. 解读:时间卷积神经网络用于时间序列的异常检测

3. 解读:时空同步图卷积网络:一种时空网络数据预测的新框架(附项目源码)

4. 解读:一种基于扩张卷积和区域转移注意力机制的深度时空网络模型

5. 解读:一种基于时间卷积网络的知识驱动股票趋势预测方法

6. 解读:一种金融时间序列预测方法:基于栈式自编码器、小波变换以及LSTM的深度学习框架

7. 解读:一种基于CNN-LSTM混合神经网络的股价预测模型

8. 解读:利用傅里叶变换和支持向量回归进行股价预测

9. 解读:基于多频率分析的递归神经网络

10. 解读:首篇深度强化学习在量化交易中应用的论文

11. 解读:神经网络股票交易系统基于技术指标和大数据框架

12. 解读:深度学习进行时间序列分割

13. 解读:将金融时间序列转换为2-D图像来构建交易系统

14. 解读:一种基于机器学习的数据驱动股票价格预测系统(附系统代码链接)

15. 解读:一种来自Facebook团队的大规模时间序列预测算法(附github链接)

16. 金工研报:利用卷积神经网络进行多因子选股

17. 金工研报:基于网络新闻热度的择时策略研究

18. 机器学习在各个领域的实际应用

19. 一文读懂L1、L2正则化项及其在机器学习中的应用

20. 关于人工智能在量化领域应用的思考

python量化专题

1. 【python量化】人工智能技术在量化交易中应用的开源项目

2. 【python量化】常用python量化分析与应用库介绍

3. 【python量化】用Python获取基金历史净值数据

4. 【python量化】将Facebook的Prophet算法用于股票价格预测

5. 【python量化】国内外基于python开发的量化交易回测框架

6. 如何用新浪财经API获取金融衍生品历史数据

7. 如何用RNN进行股票价格预测

8. 【一次认识一个市场技术指标】之RSI(相对强弱指标)

9. 【一次认识一个市场技术指标】之KDJ(随机指标)

10. 【一次认识一个市场技术指标】之ATR(真实波幅指标)

11. 基于python的统计套利实战(一)之ADF检验

12. 基于python的统计套利实战(二)之协整检验

13. 基于python的统计套利实战(三)之相关性分析

14. 基于python的统计套利实战(四)之策略实现

vn.py专题

1. vn.py源码解析之布林通道(BollChannel)策略

2. vn.py 源码解析之 ATR_RSI 策略

3. vn.py进行SpreadTrading价差交易

4. vn.py源码解析之双均线策略以及策略底层实现

5. vn.py实现日内经典策略R-breaker

其他内容

1. 机器学习黑盒可解释了!

2. 如何用python制作一个qq聊天记录的云图

3. 教你用python做一个哄女友的微信自动回复机器人

4. 国外关于量化的几本名著分享

5. 带你了解什么是金融合约(Financial Contracts)

更多内容请关注

了解更多人工智能

与量化金融知识

<-- 长按识别关注

让我知道你在看

  • 0
    点赞
  • 4
    收藏
    觉得还不错? 一键收藏
  • 0
    评论
评论
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值