写在前面AAAI 2024将在2024年2月20日到27日于加拿大温哥华举行。本次会议共收到12100篇投稿，共接收2342篇论文，录用率为23.75%。本文介绍了AAAI 2024中收录的几篇量化交易相关的论文。论文标题：MASTER: Market-Guided Stock Transformer for Stock Price Forecasting作者单位：上海交通大学论文链接：https

写在前面下面这篇文章介绍了Kaggle中，关于金融市场价格预测比赛（Jane Street Market Prediction）中的冠军方案。该获胜方案采用了一个Autoencoder with MLP组成。1竞赛背景"低买高卖"。这听起来很容易....在现实中，交易获利一直是一个难以解决的问题，在今天快速流动和复杂的金融市场中更是如此。电子交易允许在几...

写在前面这篇文章整理了近些年来，人工智能技术在量化金融领域的一些研究论文，适合读者了解目前智能量化的研究现状以及热门方向，建议收藏。所有的文章可在文末获取。1机器学习1.《An Ar...

1 前言本综述调查了大语言模型（LLM）在金融领域的应用，重点关注现有解决方案。我们回顾了利用预训练模型、微调特定领域数据以及从头开始训练定制LLM的方法，为金融专业人士根据数据、计算和性能需求选择合适的LLM解决方案。最后，我们讨论了金融应用中利用LLM的局限性和挑战，为金融人工智能提供路线图。2 语言模型的基础知识语言模型是一种统计模型，用于预测词序列的概率分布。其目标是计算概率P(W)，..

这部分内容算是对前面时间序列中近似熵、样本熵、模糊熵等熵的基础部分，毕竟前面部分只是对各种熵的求法步骤做了归纳，要理解其中的意义来得从最基础的部分进行分析。Entropy (熵)熵是衡量随机变量不确定性的指标。根据Shannon的定义，对于一个在概率空间 Ω\OmegaΩ 中，具有概率分布 p(x)p(x)p(x) 的随机变量 XXX，它的熵的定义为：H(X)continuous=−∫Ωp(...

文章目录写在前面获取数据csv数据导入历史回测写在后面REF写在前面策略研发之后，为了检测我们策略的效果，不可能一上来就接入实盘，所以需要的就是通过历史数据对我们的策略进行检验，也就是历史回测。vn.py也有推出历史回测的教程，是通过内置的RQdata进行的，也就是说需要购买RQdata的服务，通过RQdata下载的数据会自动添加到.vntrader下面的SQlite数据库中。除此之外，vn...

关于模糊认知图的背景模糊认知图（Fuzzy Cognitive Map, FCM）是一种软计算的方法，是由模糊逻辑和神经网络相结合的产物。FCM与神经网络、图论等领域都有密切联系，正因为其强大的直观表达能力以及推理能力，使得其在各个领域都有应用，也成为了人工智能领域的一个研究方向。从神经网络的角度来看，可以把它看做是一个单层神经网络，因此很多基于神经网络的研究都可以进行借鉴；从图的角度来看，它..

一、经验模态分解（Empirical Mode Decomposition, EMD）目的EMD是由 NE. Huang 等人提出的一种将信号分解成特征模态的方法。它的优点是不会运用任何已经定义好的函数作为基底，而是根据所分析的信号而自适应生成本征模态函数。可以用于分析非线性、非平稳的信号序列，具有很高的信噪比和良好的时频聚焦性。步骤EMD分解时有几个假设条件：信号至少存在两个极值点，...

近端梯度下降近端梯度下降（Proximal Gradient Descent, PGD）是众多梯度下降算法中的一种，与传统的梯度下降算法以及随机梯度下降算法相比，近端梯度下降算法的使用范围相对狭窄，对于凸优化问题，PGD常用与目标函数中包含不可微分项时，如L1L1L1范数、迹范数或者全变正则项等。常见线性回归问题很多优化问题都可以转换为线性回归问题，假设线性回归的表达式是y=Xwy = Xw...

熵这个概念最早是用于热力学中，毕竟这个字是火字旁，用于衡量一个系统能量的不可用程度，熵越大，能量的不可用程度就越大；越小能量的不可用程度越低。它的物理意义是体系中混乱程度或者复杂程度的度量。关于熵的应用也在不断拓展，从热力学到生物学、物理学，以及在时间序列分析上都有应用。一、近似熵（Approximate Entropy, ApEn）概念近似熵是一种用于量化时间序列的不规则性或者复杂性的度...