
简介
该用户还未填写简介
擅长的技术栈
可提供的服务
暂无可提供的服务
本研究验证了扩展长短期记忆网络(xLSTM)与深度强化学习(DRL)融合在自动化股票交易场景中的应用潜力。实验表明,相较于传统LSTM架构,xLSTM在性能表现上实现了显著提升,有效克服了原始LSTM的局限性。

FinArena是一个开创性的人机协作框架,它利用一系列专门设计的大型语言模型(LLM)代理来执行金融数据分析和预测任务,目的是增强股票走势预测的精确度和可靠性。

本文介绍了一种将大语言模型(LLM)融入强化学习(RL)代理的方法,应用于算法交易中,该方法整合了股票交易建议与基于新闻的风险评估分数。

本研究提出MIGA混合专家模型,通过多专家协同机制提升股票市场预测精度。该方法验证了混合框架在量化投资中处理随机市场的可行性。在中证300、中证500及中证1000三大基准测试中,MIGA模型达到前沿性能水平,显著超越传统端到端预测方法。

本文介绍了一种新的基于多层感知器(MLP)的简化架构——StockMixer,该模型不仅易于优化,而且展现出了强大的预测能力。

本文提出了代理交易竞技场(Agent Trading Arena),这是一个基于零和游戏设计的平台,旨在模拟复杂的经济系统,并用于评估大语言模型(LLMs)在数值推理任务中的表现。

本文提出了一种名为UMI(Universal Multi-layer Irrationality Factor Mining Model)的通用多层市场非理性因子挖掘模型。该模型将市场中的非理性行为区分为两个层次:股票级和市场级。

本文介绍了一种名为“CryptoPulse”的新型预测模型,旨在预估加密货币次日的收盘价格。该模型融合了三个关键因素:整体市场的波动情况、特定加密货币的价格变动以及技术分析指标的变化,并结合了市场情绪的数据。

本研究提出MIGA混合专家模型,通过多专家协同机制提升股票市场预测精度。该方法验证了混合框架在量化投资中处理随机市场的可行性。在中证300、中证500及中证1000三大基准测试中,MIGA模型达到前沿性能水平,显著超越传统端到端预测方法。

本文介绍了一种将大语言模型(LLM)融入强化学习(RL)代理的方法,应用于算法交易中,该方法整合了股票交易建议与基于新闻的风险评估分数。
