- 博客(37)
- 收藏
- 关注
原创 剑桥大学最新成果 :基于CVAE及提前信息的股票交易量预测模型
本文提出了一种基于条件变分自编码器(CVAE)的新方法,用于预测股票交易量时间序列,特别是利用提前信息如指数再平衡日期来提高预测精度。通过实证分析,CVAE在捕捉非线性模式和提供情景分析方面优于传统线性模型,为金融时间序列预测提供了新的视角和工具,而不在执着于预测收益率。
2024-08-20 08:45:00
869
原创 手把手教你ai顾投:发现一个高质量的金融数据源
今天想和大家分享一个刚刚发现的、非常实用的金融数据API——Alpha Vantage。它能为我们提供广泛的金融数据,特别适合做AI智投、数据分析或行情预测的朋友。
2024-08-19 10:30:00
288
原创 刚刚,英国政府给人工智能按下了“暂停键”
在过去的几年中,尽管人工智能技术的发展与实际兑现之间存在差距,政府、企业和投资者仍然对人工智能投入了大量资金。然而,最近英国新任工党政府取消了对人工智能产业的 13 亿英镑投资,其中包括爱丁堡大学超级计算机的 8 亿英镑和人工智能研究的 5 亿英镑,这一决定可能是对人工智能产业现状的一种现实主义的认识。
2024-08-18 09:45:00
766
原创 基于细微优化的 LLMs 对股票收益率的精准预测
本文探讨了微调大型语言模型(LLMs)以利用财务新闻流预测股票回报的方法,比较了编码器和解码器LLMs在不同文本表示方法下的性能,并发现聚合表示通常能提升投资组合表现,其中Mistral模型在多个投资宇宙中表现稳健,而基于LLMs的回报预测比传统情感分析更能增强投资组合构建的效果。
2024-08-17 07:30:00
1614
原创 谷歌前 CEO 被迫道歉的演讲内容大揭秘
有点好笑,本周二斯坦福大学在流媒体平台上传了一个包含埃里克・施密特参与的课堂讨论活动。期间,这位曾与两位创始人组成谷歌“三驾马车”的前CEO演讲全程各种放飞自我(估计他以为这是封闭式会议),在讨论谷歌与OpenAI竞争时大嘴一张,开始抨击谷歌的员工不够拼命。然后昨天专门通过媒体道歉。正因为他觉得是闭门会议,还是讲了不少关于AI行业的现状与挑战干货,值得分享给大家。
2024-08-16 18:00:02
1162
原创 手把手教你 AI 顾投:在 Ollama 中使用 Python 调用金融 API 服务
尽管Ollama本身不是一个大型语言模型(LLM)开发工具,而是一个LLM的平台。但它最近宣布了其系统中直接使用工具调用的功能,本文主要介绍了最新版本的主要更新,特别是关于功能调用的使用,并演示了如何在Ollama 中使用 Python 调用外部 API 服务。
2024-08-16 07:30:00
1182
原创 免费使用最近大热 Flux.1 AI 文生图工具的 5 种方法
Flux.1,由 Black Forest Labs 开发,是一款具有 120 亿参数的开放式 AI 图像生成器,自发布以来便吸引了广泛关注,其性能超过了商业模型 Midjourney V6 和 Dall-E 3。尽管用户可以直接下载并在本地运行 Flux.1,或者通过 API 生成图片,但这些方法对技术水平有一定要求。在本文中,我将向您介绍五个能直接免费使用 Flux.AI 的方法。
2024-08-15 07:45:00
1686
原创 AI顾投高级策略之六:马丁格尔策略
在投资世界中,隐藏着众多精妙的策略,其中一些历经时间的考验,被基金经理们广泛使用。今天,我们要探讨的是马丁格尔策略,这种策略虽然起源于赌博,但其核心理念在证券交易中也有着深远的影响。
2024-08-14 08:00:00
1832
原创 OpenAl 如果破产,或引发 AI 行业与世界经济的多米诺效应
"我们离人工智能的末日不远了,它将伤害到每一个人。" 本文主要探讨OpenAI可能面临的财务困境,包括可能的破产风险,以及这种情况对人工智能行业和整个经济的潜在影响。
2024-08-13 08:00:00
1616
原创 执行回测三策略,保障 AI 投资高胜率
我前面写过的文章中多次出现了一个词:“回测”,今天我们就来专门讲一讲它的重要性。简而言之,回测就是在你开始run程序前最重要的一项工作,对你的交易策略进行微调。它需要在各种市场情况下提供相对稳定的表现。本文将帮助你了解如何回测交易策略,哪种回测方法最有效,如何评估测试结果,以及最重要的是 - 你何时准备好进入市场进行交易。
2024-08-12 08:30:00
567
原创 全新金融资产价格运动走势预测框架LARA
价格走势预测旨在根据当前市场信息预测金融资产趋势,目前大多数现有的机器学习方法都与极低的信噪比和金融数据的随机性作斗争,经常将噪声误认为真实的交易信号,而没有仔细选择潜在的优质的样本。本文提出了一个新的价格运动预测框架LARA,它有两个主要组成部分:位置感知注意(LA-Attention)和迭代细化标记(RA-Labeling)。在三个现实世界金融市场:股票、加密货币和etf的一系列实验中,LARA在的表现明显优于几种基于机器学习的方法。
2024-08-11 09:15:00
761
原创 AI 深度学习让金融 β 系数估算更精确
传统的金融贝塔系数估计方法往往依赖于严格的假设,难以准确捕捉 Beta 的动态变化,这限制了它们在实际应用中的有效性。为了解决这些问题,本文开发了一种新方法:NeuralBeta,利用神经网络进行Beta的有效估计。该方法能够处理单变量和多变量场景,并跟踪 Beta 的动态变化。为了提高模型的可解释性,本文引入了一种类似于正则化加权线性回归的新输出层,使模型的决策过程更加透明。通过在合成数据和市场数据上进行了大量实验,结果表明 NeuralBeta 在各种情况下,尤其是在 Beta 变化较大的情况下,表现优
2024-08-10 09:00:00
681
原创 NeuralFactors:Bloomberg 新型股票深度学习生成模型
本文介绍了一种名为NeuralFactors的新型机器学习生成模型,旨在改进股票收益的统计建模。NeuralFactors使用深度生成模型来增强传统因子模型,通过神经网络输出因子暴露和收益,采用变分自编码器(VAE)的训练方法。相较于现有方法,NeuralFactors在对数似然性能、计算效率、合成数据生成、协方差估计、风险分析和投资组合优化等方面展现出更优的表现。此外,NeuralFactors与传统因子分析相结合,能够对模型学习的因子进行聚类分析,并将因子暴露用于股票嵌入。
2024-08-09 10:45:00
1224
原创 家用设备轻松搭建 AI 集群,畅跑 Llama 3.1 405B
本文主要介绍如何在家用设备上运行大型开源语言模型Llama 3.1 405B.
2024-08-08 11:45:00
1478
原创 基于Prophet时间序列模型预测股票价格趋势
在当今复杂多变的金融市场中,股票价格预测一直是投资者和分析师关注的焦点。本文旨在利用Prophet时间序列模型对股票价格趋势进行预测。Prophet模型是一种基于可分解的时间序列模型,由趋势项、季节项和假期因素组成,能够灵活捕捉时间序列数据中的周期性、趋势性和异常值等特点。该模型在处理时间序列数据时具有较高的精度和可解释性,已被广泛应用于各种预测场景。
2024-08-07 11:45:00
962
原创 AI 汹涌而至!三波冲击下将淘汰大部分程序员
最近到处都能听到“人工智能会不会在不久的将来取代程序员”的争论。本人的观点为:人工智能将会取代程序员,本文将对此予以阐述。(注:此处所言的取代程序员,意指大多数,并非百分之百的完全取代,亦非一次性的整体替换,而是逐步完成取代的一个过程。)
2024-08-06 12:17:24
606
原创 借助 Transformer 实现美股价格的预测(Python干货)
Transformer 是一种在自然语言处理等领域广泛应用的深度学习架构,与传统的循环神经网络(RNN)相比,Transformer 可以并行处理输入序列的各个位置,大大提高了计算效率。而且通过多层的深度堆叠,能够学习到更复杂和抽象的特征表示。本文将利用Python代码来实现美股价格的预测模拟。
2024-08-05 09:45:00
1083
原创 如何编写更干净、更易于维护的 JavaScript 代码
编写一流的 JavaScript 代码并非在于对最新技术趋势的盲目追逐,也并非要去构建繁杂的解决方案。本文给出了若干实用的技巧,它助力我写出了更优质的代码。倘若您产生了像“其他开发人员能否轻松读懂此代码?”“此代码能否正确地进行扩展,抑或容易被错误使用?”以及“这是否属于正确的模式?”这般的疑问,本文或许能够给予您一些颇具价值的启示。
2024-08-04 23:24:10
1281
原创 驱动大模型生成可解释的股票预测,斩获 16.6%收益率
股票市场变幻莫测,每一个消息都会对股票价格产生影响。传统深度学习模型在股票预测中存在黑箱问题,缺乏解释性。为了解决这个问题,新加坡国立大学的研究者们提出了SEP( Summarize-Explain-Predict )框架,利用自我反思代理和PPO(Proximal Policy Optimization )技术,使LLM能够自主学习生成可解释的股票预测。
2024-08-03 12:10:18
1125
原创 完全免费的 TTS 文字转语音来了!
效果就是微软 TTS 的效果,重要的是免费啊。做个抖音、视频号之类的是完全够用了。完全免费的 TTS 文字转语音来了!再也不用被国内外各种语音合成割韭菜了。
2024-08-03 11:42:03
285
原创 如何构建自己的交易机器人开发环境
本文主要讲解如何构建一个交易机器人开发环境。描述具体的步骤和工具,包括使用 GitHub Codespaces、Visual Studio Code(VS Code)和 GitHub,以及如何安装 TA Lib 和 GitHub CoPilot。
2024-08-02 10:07:00
1176
原创 领航智投时代:AI顾投精英必读顶刊
今天选择了一些和数字金融相关的国际顶刊推荐给大家,这些期刊从最经典的有效市场理论到最新的加密货币发展,从各种成功投资策略到AI顾投的学术研究,都发表在这些期刊上。下面我带您开始数字金融期刊探索之旅。
2024-08-01 14:00:00
633
原创 不能错过的十大人工智能开源库
随着人工智能(AI)的不断进步,掌握最新的工具、框架和研究变得前所未有的重要。这些隐藏的瑰宝提供了独特的功能、先进的模型和创新的解决方案,可以极大地增强您的人工智能项目。深入探索这些工具能够为您带来全新的视角,借助创新的解决方案和前沿的技术让您的项目更上一层楼。Allennlp 简化了构建和评估复杂 NLP 模型的过程,是研究人员和开发人员的宝贵资源。是一个令人难以置信的库,它简化了神经网络的训练,并不断推动深度学习的发展。该库包含最先进的模型和简单易懂的文档,使初学者和经验丰富的专业人士都能使用。
2024-07-31 11:45:00
1856
原创 AI将能从一滴血中揪出癌症
AI 可以通过分析一滴干血中的代谢物来检测癌症,这项技术具有高灵敏度,可能会对癌症早期诊断产生重大影响,尤其对于低收入国家的相关人群。本文详细介绍了一种全新的癌症检测方法,即利用人工智能分析干血中的代谢物来早期发现癌症。
2024-07-30 12:00:00
851
原创 无需编程打造交易机器人,助我力压华尔街专业投资者!
如何利用 ChatGPT 和 TradingView 创建并回溯测试一个可以盈利的交易机器人该机器人在 3 个月内产生了 75% 的盈利交易。
2024-07-29 10:46:50
1066
原创 当费曼技巧邂逅 AI,强势征服所有学习领域
本文通过诺奖获得者费曼的方法加上应用人工智能,用四个简单的步骤可以研究学习任何领域的知识。
2024-07-28 13:30:00
1889
原创 策略公开后能否持续盈利?
另一项由 Falck、Rej 和 Thesmar(2021)进行的研究,他们研究了事前特征的假设,以预测已公布的股票异常在样本外表现下降的风险调整后绩效(样本外被定义为发布后时期)。正如我们之前提到的 2020 年的博客文章中所述,McLean 和 Pontiff(2016)发现,基于不同变量和因素的统计显著样本执行各种交易策略的投资组合回报,涵盖总的可表示异常数量,样本外回报率降低了 26%,发布后回报率降低了 58%,这与我们的数字相去不远。Y 轴表示在前面所提到的时间段内升值了 1 美元的回报。
2024-07-27 10:45:00
845
原创 AI顾投高级策略之五:克莱夫.格兰杰因果分析预测法(建议收藏)
例如,吃未彻底煮熟的海鲜会致使拉肚子,而止泻药能够帮助止住拉肚子,那么在购买止泻药之前吃海鲜,并不能断言由于海鲜消费的增多导致了止泻药销量的增加,不过海鲜消费有利于精确预测止泻药的情况。格兰杰因果关系分析,对这组数据得出结果,说明了先有蛋而有鸡,因为在原假设产蛋量不是鸡群的原因中,P值为0.013,小于0.05,因此拒绝原假设,所以选择了备选假设即产蛋量是鸡群的原因。Y 和 X 均为平稳的时间序列,为了检验 X 不导致 Y 的原假设,引入 Y 的过去期数值,并构建 Y 的自回归模型。
2024-07-26 20:27:28
702
原创 如何用Llama3.1筛选沪深300“优质”股
今天想和大家分享如何利用新发布的Llama3.1大语言模型对沪深300指数成分股进行选股。大模型的API是GropCloud,从GropCloud中我们可以调用Llama3大模型,专门用来分析沪深300指数成分股,我会分享出一些重要的代码部分供大家参考。
2024-07-25 09:15:00
496
原创 新鲜出炉,实测开源 AI 模型 Llama3.1 8B
正如马克·扎克伯格今天早上在一封公开信中所说的那样:我们相信开源将确保世界各地更多的人能够获得AI的好处和机会,权力不会集中在少数人的手中,这项技术可以在社会中更均匀和安全地部署。刚刚测试了 llama3.1 8B ,效果良好,在无法联网工作的情况下,是一个上佳之选。依据 llama 官方发布的测评结果而言,Llama3.1 70B 与 gpt-3.5 的水平相当, 或者稍高一点。用M3 pro(36GB 内存)运行 70B 十分卡顿, 推测配备高配显卡的电脑运行效果会更优。
2024-07-24 13:18:14
595
原创 AI顾投高级策略之四:詹姆斯.奥肖内西的价值投资法(建议收藏)
通过这些策略,奥肖内西希望能找到市场中的误价股票,并通过长期持有这些股票获得超额回报。他的方法为价值投资提供了一种更科学、系统的方式,使其区别于更传统的、主观判断较多的价值投资策略。他的方法为价值投资提供了一种更科学、系统的方式,使其区别于更传统的、主观判断较多的价值投资策略。本文内容仅仅是技术探讨和学习,并不构成任何投资建议。原创不易,转载请标明出处及原作者。
2024-07-24 12:49:26
356
原创 AI顾投高级策略之三:彼得林奇的PEG(建议收藏)
彼得·林奇是一位非常成功的投资者和前麦哲伦基金的基金经理,他提出了一种被广泛采用的价值选股策略,即使用市盈率相对盈利增长率(PEG)作为衡量股票价值的主要指标。PEG比率是一种受到投资者喜爱的指标,因为它试图通过考虑公司的增长来提供比传统市盈率(PE)更全面的股票估值方法。
2024-07-23 08:44:47
378
原创 AI顾投高级策略之二:汤普森抽样的股票市场决策(建议收藏)
汤普森抽样是一种在不确定性环境下做决策的核心方法,以威廉·汤普森(William R. Thompson)命名,是一种启发式策略,用于解决多臂强盗问题中的探索与开发的困境。在强盗游戏中,你只有两种可能的结果:赢或输。汤普森抽样的主要步骤包括选择与随机产生的信念相关,进行预期奖励最大的行动,并利用过去的结果来更新对未来哪些行动最有价值的信念。对于股票交易者来说,这意味着他们需要根据各种股票的表现来调整他们的投资策略。
2024-07-22 09:00:00
864
原创 DSPy:提示词工程师的“终章”?
伴随 AI 应用的广泛推广与普及,人们逐渐意识到,提示词工程绝非万能的艺术抑或科学,它并非对所有问题的提示策略都行之有效,只有部分提示语在孤立情形下看似优良,然而在综合运用时却难担重任。并且,每当大模型平台的某个版本进行升级后,原先有效的提示词失效的情况屡见不鲜。正因如此,提示词工程师似乎愈发与数据标注员的工作性质趋同,需要进行大量的重复操作、反复试验以及手工制作,高价值的产出日益减少,陷入了尴尬之境,同时这也并非能够可持续构建出优质应用的有效方法。好在DSPy 的出现为化解此难题开辟了一条崭新的路径。
2024-07-21 08:15:00
1276
原创 AI顾投高级策略之一:巴菲特的alpha(建议收藏)
研究显示,巴菲特的Alpha部分来自于他选股的能力和行业配置的策略,而且他那看似简单的价值投资策略背后实际上是复杂和精细的财务分析及市场洞察。想了很久,看了看自己搜集及整理的内容,感觉可以动手写一个关于普化策略的系列,大概会分为五到六篇文章,主要包括投资届的一些大佬的策略,包括巴菲特、詹姆斯·奥肖内西、彼得·林奇等,也会有类似诺贝尔经济学奖得主克莱夫·格兰杰这样的理论研究者。对于因子的处理,由于因子来自不同维度,所以无需进行降维或者因子正交处理来解决它的相关性问题,所以简单进行了去极值和标准化处理。
2024-07-20 09:13:30
463
原创 获得简街市场预测大赛金牌的预测策略模型
“低买高卖”听起来很简单……事实上,交易获利一直是一个难以解决的问题,在当今瞬息万变且复杂的金融市场中更是如此。电子交易允许在几分之一秒内发生数千笔交易,从而为实时寻找和利用价格差异提供了几乎无限的机会。今天为大家介绍一则有关简街市场预测大赛(Jane Street Market Prediction)里获得金牌的方案。
2024-07-19 12:35:39
1288
空空如也
空空如也
TA创建的收藏夹 TA关注的收藏夹
TA关注的人