深度学习
深度学习是人工智能领域的重要分支，它模拟人脑神经网络的工作原理，通过多层次的数据处理和分析，发现数据的内在规律和模式。在金融领域，深度学习的应用日益广泛。从风险控制、欺诈检测，到投资管理、市场分析，深度学习的算法能够对海量金融数据进行高效、准确的处理，提取有价值的信息。它能够学习并模拟人类的投资决策过程，帮助金融机构优化风险管理模型，提高投资回报率，并为个性化金融服务提供强大的技术支持。深度学习正在改变金融业的运作方式，为金融行业带来前所未有的智能化和效率提升。
基于DNN模型的智能选股策略
导语
这是本系列专题研究的第六篇：基于DNN模型的深度学习智能选股策略。本文简单介绍了和DNN相关的原理，并举了一个实例，具体展示了如何应用以及应用的结果。
DNN原理介绍
神经元
神经网络的每个单元结构如下：
其对应公式如下： 
更新
本文内容对应旧版平台与旧版资源，其内容不再适合最新版平台，请查看新版平台的使用说明
新版量化开发IDE（AIStudio）：
https://bigquant.com/wiki/doc/aistudio-aiide-NzAjgKapzW
新版模版策略：
https://bigquant.com/wiki/doc/demos-ecdRvuM1TU
新版数据平
更新时间：2024-05-15 08:34
【历史文档】算子样例-机器学习
更新
本文内容对应旧版平台与旧版资源，其内容不再适合最新版平台，请查看新版平台的使用说明
新版量化开发IDE（AIStudio）：
https://bigquant.com/wiki/doc/aistudio-aiide-NzAjgKapzW
新版模版策略：
https://bigquant.com/wiki/doc/demos-ecdRvuM1TU
新版数据平
更新时间：2024-05-15 07:49
可视化研究环境
BigStudio 简介
新功能的认识是循序渐进的，该部分简单介绍BigStudio，让大家对其有初步印象。
BigQuant新上线的 BigStudio 可视化策略开发功能，能够帮助大家更快速更简单地开发机器学习、深度学习试验，快速实现试验迭代。
BigStudio 提供了所见即所得的策略开发环境，集合了众多模块，包括数据输入、输出、数据变换、模型训练、预测和量化交易等。你只需要拖动数据和模块，连连线，配置参数，就可以开发AI策略，从而将更多的创造力放在自己擅长的地方。因为提供的是可视化研究界面，因此通过BigStudio开发的AI策略被称为可视化AI策略。
![{w:1
更新时间：2024-05-15 02:10
量化机器学习系列分享（七）深度学习模型
1. 前馈神经网络（DNN）
一般来说，深度学习和神经网络是同一个概念
1.1 感知机（Perceptron）
在之前的分享中，我们介绍过一个线性分类器，叫做感知机（Perceptron），并且介绍过它是神经网络的基本单元
感知机的运算公式是：
- 假设我们有F个特征，每个特征一个参数，特征X这个时候也可以叫做输入
- 我们先给特征和参数来一个线性组合：Z = theta0 + theta1 X1 + theta2 X2 + …… + thetaF XF
- 之后把线性组合套在一个激活函数中，Y = f(Z)，最终的结果Y我们叫做输出，输出其实并不局限于二分类，多分类和回归
更新时间：2024-02-27 11:20
利用CNN对股票“图片”进行涨跌分类——一次尝试
首先解释一下标题： CNN：卷积神经网络（Convolutional Neural Network）, 在图像处理方面有出色表现，不是被川普怒怼的那个新闻网站； 股票涨跌：大家都懂的，呵呵； 股票图片：既然使用CNN，那么如果输入数据是股票某个周期的K线图片就太好了。当然，本文中使用的图片并不是在看盘软件上一张一张截下来的，而是利用OHLC数据“画”出来的； 尝试：这个词委婉一点说就是“一个很好的想法^_^"，比较直白的说法是“没啥效果T_T”。
进入正题： 首先是画出图片。本文目前是仿照柱线图画的。 ![{w:100}](/wi
更新时间：2023-11-28 10:03
开源金工|看看顶级量化私募择时选股能力
222
更新时间：2023-07-21 03:16
【年度重磅研报】Deep Alpha-CNN 7层卷积神经网络能否穿越熊牛？
擂台赛背景
12月7日，BigQuant发布年度重磅报告（https://bigquant.com/wiki/doc/niandu-zhongbang-bao-DeepAlphaCNN-juanji-shenjingwangluo-qXe3iEgfRI），发布了Deep Alpha-CNN模型，该模型采用7层一维卷积神经网络，并引入残差，降低模型复杂度，防止梯度爆炸/消失，达到更好收敛。
研究结论要点：
1、7层的卷积神经网络表现好于2层，能够学习到更多的市场特征。
2、研究发现当kernel size、batch size、feature map等参数越小，模型表现
更新时间：2023-06-29 08:42
BigQuant 最佳实践
- BigQuant使用案例
- 最佳使用方式
\
更新时间：2023-06-29 06:56
【参赛】Deep Alpha-CNN策略克隆&调参擂台赛
\
更新时间：2023-06-27 03:23