北大科創(chuàng)園「機(jī)器學(xué)習(xí)與量化投資研討班」開(kāi)班了
隨著云計(jì)算、大數(shù)據(jù)、人工智能等新一代信息技術(shù)的成熟，近年來(lái)，越來(lái)越多的金融機(jī)構(gòu)將“機(jī)器學(xué)習(xí)，自然語(yǔ)言處理，知識(shí)圖譜”等AI技術(shù)應(yīng)用于量化投資，人工智能與金融量化投資的深度融合將是必然趨勢(shì)。
「機(jī)器學(xué)習(xí)與量化投資研討班」由具有AI金融量化交易實(shí)操經(jīng)驗(yàn)的北大AI團(tuán)隊(duì)主講，內(nèi)容涵蓋AI金融大數(shù)據(jù)處理與AI量化交易的全流程，以AI智能量化交易應(yīng)用為主軸，著重?cái)?shù)據(jù)搜集、整理、分類(lèi)分析、因子挖掘、策略生成和模型建立等AI技能的學(xué)習(xí)。
詭谷子AI開(kāi)放實(shí)驗(yàn)室凝聚了北大、南科大和知名基金公司等一批業(yè)內(nèi)精英，誠(chéng)邀與您一道共建AI應(yīng)用生態(tài)圈。
本次活動(dòng)安排：
本次活動(dòng)以線下式舉行，名額有限（每班15人），咨詢(xún)請(qǐng)關(guān)注微信公眾號(hào)：
詭谷子人工智能開(kāi)放實(shí)驗(yàn)室。
本次活動(dòng)組織：
指導(dǎo)單位：
北京大學(xué)深圳研究生院、深圳市科學(xué)技術(shù)協(xié)會(huì)、深圳市科技創(chuàng)新委員會(huì)、深圳市人力資源和社會(huì)保障局、深圳市工業(yè)和信息化局、寶安區(qū)科技創(chuàng)新局、寶安區(qū)人力資源局、寶安區(qū)工業(yè)和信息化局
主辦單位：
北大科創(chuàng)園
承辦單位：
詭谷子人工智能開(kāi)放實(shí)驗(yàn)室
支持單位：
深港澳科技聯(lián)盟、廣東省粵港澳合作促進(jìn)會(huì)信息科技專(zhuān)業(yè)委員會(huì)
「機(jī)器學(xué)習(xí)與量化投資研討班」研討內(nèi)容
第一部分：機(jī)器學(xué)習(xí)與深度學(xué)習(xí)
AI機(jī)器學(xué)習(xí)
1.1機(jī)器學(xué)習(xí)方法介紹
1.2回歸(線性回歸、非線性回歸、時(shí)序回歸、邏輯回歸)
1.3線性區(qū)分、PCA
1.4貝葉斯估計(jì)
1.5kNN、k-Means、
1.6極大似然估計(jì)
1.7支持向量機(jī)SVM、
1.8Adaboost
1.9決策樹(shù)
1.10隨機(jī)森林
1.11GDBT
1.12XGBoost
深度學(xué)習(xí)網(wǎng)絡(luò)
2.1圖像的卷積運(yùn)算
2.2激活函數(shù)、代價(jià)函數(shù)、池化
2.3損失函數(shù)
2.4梯度下降、
2.5自適應(yīng)學(xué)習(xí)方法
2.6最簡(jiǎn)單的卷積神經(jīng)網(wǎng)絡(luò)Lenet介紹
2.7Alexnet, VGG, Googlenet，ResNet
2.8GAN
2.9RNN
2.10LSTM
2.11Transformer
2.12Swin-Transformer
AI開(kāi)發(fā)環(huán)境Pytorch2.1環(huán)境搭建
2.2張量（Tensor）、變量（Variable）、模塊（Module）
2.3數(shù)據(jù)加載、數(shù)據(jù)處理
2.4建立模型、訓(xùn)練
2.5多GPU訓(xùn)練
第二部分金融大數(shù)據(jù)量化交易的IT系統(tǒng)
涵蓋金融大數(shù)據(jù)與AI量化交易的全流程（Pipeline), 即
?。?）數(shù)據(jù)獲取與預(yù)處理 –> （2）策略生成與驗(yàn)證 –> （3）真實(shí)上線交易
1.數(shù)據(jù)獲取與預(yù)處理
1.1數(shù)據(jù)資源：
Tushare數(shù)據(jù)庫(kù)、免費(fèi)開(kāi)源python財(cái)經(jīng)數(shù)據(jù)庫(kù)
新浪財(cái)經(jīng)
網(wǎng)易財(cái)經(jīng)
國(guó)家統(tǒng)計(jì)局宏觀數(shù)據(jù)
公司財(cái)務(wù)數(shù)據(jù)
1.2數(shù)據(jù)種類(lèi)：
價(jià)格數(shù)據(jù)
文本數(shù)據(jù)（新聞，論壇）
宏觀經(jīng)濟(jì)數(shù)據(jù)
公司財(cái)務(wù)數(shù)據(jù)
公司公告
1.3數(shù)據(jù)獲取方式
python爬蟲(chóng)
通信達(dá)下載
1.4數(shù)據(jù)預(yù)處理
使用python pandas
數(shù)據(jù)清洗
生成時(shí)間序列
生成dataframe
數(shù)據(jù)可視化
2.策略生成與驗(yàn)證
Pipeline: 交易方式 -> 建模 –> 回測(cè)與優(yōu)化 -> 風(fēng)險(xiǎn)分析與控制-> 上線
2.1交易方式
趨勢(shì)預(yù)測(cè)
均值回歸
事件驅(qū)動(dòng)
2.2建模
ARMA模型
LSTM
Transformer
因子分析
2.3回測(cè)與優(yōu)化
事件驅(qū)動(dòng)型回測(cè)系統(tǒng)
資產(chǎn)組合型回測(cè)
基于事件驅(qū)動(dòng)型回測(cè)系統(tǒng)的代碼剖析
財(cái)務(wù)數(shù)據(jù)分析模型
2.4風(fēng)險(xiǎn)控制
分散投資
對(duì)沖
止損
相關(guān)性分析
策略性能的評(píng)判
參數(shù)優(yōu)化
預(yù)防過(guò)擬合
2.5期貨交易
CTA策略
套利和統(tǒng)計(jì)套利策略
高頻交易
alpha因子組合
alpha中性策略（配對(duì)交易策略）
宏觀經(jīng)濟(jì)策略
價(jià)值投資策略
模型的生命周期：誕生 –> 運(yùn)轉(zhuǎn) –> 失效 -> 退出
一個(gè)策略實(shí)現(xiàn)的例子
3.交易系統(tǒng)
3.1交易結(jié)構(gòu)
交易所主機(jī)
中間商服務(wù)器
本地程序
交易賬戶(hù)
交易所API交易接口
市場(chǎng)的收盤(pán)及開(kāi)盤(pán)時(shí)間
交易規(guī)則
報(bào)價(jià)及盤(pán)口
實(shí)時(shí)行情及交易委托
3.2市場(chǎng)的交易種類(lèi)
股票和股權(quán)
中國(guó)內(nèi)地A股兩個(gè)交易所的交易規(guī)則
賬戶(hù)管理
結(jié)算方式
3.3期貨和期貨合約
中國(guó)內(nèi)地4個(gè)期貨交易所的交易規(guī)則，賬戶(hù)管理，和結(jié)算方式
證券監(jiān)管的體制
手續(xù)費(fèi)和滑點(diǎn)
如何處理滑點(diǎn)
各個(gè)交易所手續(xù)費(fèi)收取方式
交易程序平臺(tái)
多線程結(jié)構(gòu)
實(shí)時(shí)行情數(shù)據(jù)處理
交易委托單處理
3.4交易監(jiān)控
防止異常bug導(dǎo)致?lián)p失
監(jiān)控前端的開(kāi)發(fā)
交易performance分析
交易記錄的統(tǒng)計(jì)分析
業(yè)績(jī)?cè)u(píng)估
異常狀況分析
策略失效分析
4.其他事項(xiàng)
機(jī)器的選擇：
4.1 策略基于實(shí)時(shí)數(shù)據(jù)做出買(mǎi)賣(mài)決定，網(wǎng)絡(luò)的可靠性至關(guān)重要
4.2 國(guó)內(nèi)云主機(jī)的選擇：阿里云，騰訊云
第三部分 AI在量化交易中的應(yīng)用
1.機(jī)器學(xué)習(xí)原理
AI的發(fā)展現(xiàn)狀與趨勢(shì)
機(jī)器學(xué)習(xí)與深度學(xué)習(xí)
2.機(jī)器學(xué)習(xí)算法在量化交易中的應(yīng)用使用XGBOOST對(duì)價(jià)格走勢(shì)做出預(yù)測(cè)
使用線性回歸做股票價(jià)格的相關(guān)性分析（python 實(shí)現(xiàn)）
3.深度學(xué)習(xí)
Pytorch工具的掌握
用pandas做數(shù)據(jù)分析
使用RNN 和 LSTM預(yù)測(cè)價(jià)格
使用GAN進(jìn)行策略可靠性的驗(yàn)證
4.文本分析
4.1 NLP&BERT
4.2公司發(fā)出的公告進(jìn)行量化
4.3使用AI算法驗(yàn)證公告內(nèi)容對(duì)其股票價(jià)格走勢(shì)的影響
5.一篇使用深度學(xué)習(xí)建模交易的paper的實(shí)現(xiàn)
