物理工程建模和AI量化建模的时空跳跃

最新推荐文章于 2024-08-22 11:25:41 发布

BigQuant

最新推荐文章于 2024-08-22 11:25:41 发布

阅读量2.3k

点赞数 3

文章标签：算法机器学习人工智能大数据

本文链接：https://blog.csdn.net/bigquant/article/details/112011671

版权

李冠达，从物理工程转向AI量化投资，分享他在BigQuant平台上的研究工作，如LSTM、GBDT算法应用，并探讨AI量化建模与物理建模的异同。他认为金融市场是一个中长期符合经济周期，短周期混沌的系统，AI量化尚处早期，未来发展方向是数据、算法、算力的结合与市场理解的深入。

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。
我是李冠达，在宽邦科技（BigQuant）担任高级策略工程师，毕业于清华大学，从事过流体、固体力学工程方面的建模工作。有6 年以上的量化投资经验，转到AI量化也3年多了。个人比较擅长将物理层面的模型迁移到量化投资上，曾帮助国内知名基金成功设计出 AI 模型。
在这里插入图片描述