跨学科的AI量化其实很简单

本文由宽邦科技高级策略工程师邵守田分享,他介绍了自己的跨学科研究经历,阐述了AI量化的发展现状与未来。文章讨论了AI量化在数据划分、模型可解释性、过拟合等问题上的挑战,以及推荐的算法和学习路径。邵守田建议,进入AI量化领域需要做好长期准备,降低过高期待,并学习编程与算法知识。
摘要由CSDN通过智能技术生成

BigQuant是以AI为核心的投研和投资平台。提供量化数据服务中台、多种投资算法、量化投资最佳实践等,提供机器学习等在量化的技术探讨和解决方案。在BigQuant技术社区,我们会发布与AI量化相关的科普内容和研究过程、研究成果,填补AI量化的知识空缺。

邵守田在宽邦科技(BigQuant母公司)担任高级策略工程师,曾在私募基金管理过数亿规模资产。现专注AI策略研究,参与BigQuant的模块建设、算法研究、策略开发,主导了CNN\DNN等算法模型研究和构建,同时主导金融机构客户的的策略研究工作。
在这里插入图片描述

介绍一下自己和从业的工作

大家好 ,我是邵守田,毕业于东北财经大学行为金融硕士研究生。曾在私募机构任职基金经理,管理上亿规模资产,并且也取得了良好的成绩。我学习的是行为金融,本身就是一门跨学科研究的专业,结合了金融、数学、计算机三个领域的知识。在2016年以前,我还在私募担任基金经理,但在一次宽客交流会上,结识了宽邦科技的创始人兼CEO梁举,也是第一次接触到BigQuant,正巧AI+量化也是我正想探索的领域,于是不谋而合加入了宽邦科技,成为了其中的一名策略工程师,主要专注AI+量化的融合研究。

什么样的动力驱使你和BigQuant结缘?

虽然我毕业于行为金融,但本身计算机能力并不算强,所以在跨学科的实践上也会困难重重。但是在BigQuant上,我可以比较自如地研究AI量化策略了。和梁总接触了解到他的主攻方向后,我几乎是两眼放光。量化在美国已经很成熟,但是在中国起步晚,发展落后,再加上近几年国内投资市场活跃、金融数据爆发式地增长,再用传统的方式来研究量化投资已经不能跟上时代的脚步了。从那以后,我就加入了AI量化的大军,也加入了BigQuant的技术社区,从事算法策略的研究。
线下交流活动

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