DeepAlpha系列报告
"DeepAlpha系列报告" 是金融领域的一项创新研究，该报告集中探讨了深度学习算法在复杂金融市场中的高级应用。通过结合大数据分析和高级人工智能技术，DeepAlpha 系列为投资者揭示了市场趋势、风险评估和资产管理的新视角。报告不仅展示了如何构建预测模型来识别投资机会，还详细阐述了这些技术在实践中的有效性和局限性。这一系列报告对于那些寻求通过前沿技术提升金融决策效率和准确性的专业人士来说，是一份宝贵的参考指南。
DeepAlpha短周期因子研究系列之：随机森林在量化选股中的应用
一、引言
DeepAlpha系列报告旨在从基础量价数据中，借鉴深度学习模型，应用于量化投资领域。学习模型包括：全连接深度网络(DNN)、卷积神经网络(CNN)、长短期记忆网络(LSTM)、对抗生成网络(GAN)、ResNet、TabNet，同时报告将引入自然语义识别NLP领域近年热门算法如BERT、Transformer、GPT、XLNet等，尝试构建各类DeepAlpha模型。
本篇文章通过传统机器学习算法对相同的量价因子进行实验，方便与深度学习模型进行对比。
二、随机森林算法介绍
随机森林属于集成学习的一种，通过集成学习的Bagging思想将多棵树集成的一种算法：它的基本单
更新时间：2023-12-02 14:12
DeepAlpha短周期因子研究系列之：随机森林在量化选股中的应用
一、引言
DeepAlpha系列报告旨在从基础量价数据中，借鉴深度学习模型，应用于量化投资领域。学习模型包括：全连接深度网络(DNN)、卷积神经网络(CNN)、长短期记忆网络(LSTM)、对抗生成网络(GAN)、ResNet、TabNet，同时报告将引入自然语义识别NLP领域近年热门算法如BERT、Transformer、GPT、XLNet等，尝试构建各类DeepAlpha模型。
本篇文章通过传统机器学习算法对相同的量价因子进行实验，方便与深度学习模型进行对比。
二、随机森林算法介绍
随机森林属于集成学习的一种，通过集成学习的Bagging思想将多棵树集成的一种算法：它的基本单
更新时间：2023-06-07 08:34
DeepAlpha短周期因子研究系列之：随机森林在量化选股中的应用
一、引言
DeepAlpha系列报告旨在从基础量价数据中，借鉴深度学习模型，应用于量化投资领域。学习模型包括：全连接深度网络(DNN)、卷积神经网络(CNN)、长短期记忆网络(LSTM)、对抗生成网络(GAN)、ResNet、TabNet，同时报告将引入自然语义识别NLP领域近年热门算法如BERT、Transformer、GPT、XLNet等，尝试构建各类DeepAlpha模型。
本篇文章通过传统机器学习算法对相同的量价因子进行实验，方便与深度学习模型进行对比。
二、随机森林算法介绍
随机森林属于集成学习的一种，通过集成学习的Bagging思想将多棵树集成的一种算法：它的基本单
更新时间：2023-03-05 03:09