深度学习白皮书系列三:方法介绍及金融领域应用实例|长江证券
本报告是长江证券机器学习白皮书系列的第三篇,聚焦深度学习在金融领域的应用。报告系统介绍了监督学习(深度神经网络、循环神经网络LSTM、卷积神经网络)、无监督学习(限制波尔兹曼机)以及强化学习(Q学习)的核心算法,并给出两个具体金融案例。通过对比深度学习和传统机器学习的效率、结构、泛化能力,揭示深度学习在金融实践中的现状与局限。适合量化分析师、金融工程师、AI研究员及投资者了解深度学习在量化投资、风险管理和另类数据中的应用。
本报告是长江证券机器学习白皮书系列的第三篇,聚焦深度学习在金融领域的应用。报告系统介绍了监督学习(深度神经网络、循环神经网络LSTM、卷积神经网络)、无监督学习(限制波尔兹曼机)以及强化学习(Q学习)的核心算法,并给出两个具体金融案例。通过对比深度学习和传统机器学习的效率、结构、泛化能力,揭示深度学习在金融实践中的现状与局限。适合量化分析师、金融工程师、AI研究员及投资者了解深度学习在量化投资、风险管理和另类数据中的应用。
本报告是长江证券机器学习白皮书系列的第三篇,聚焦深度学习在金融领域的应用。报告系统介绍了监督学习(深度神经网络、循环神经网络LSTM、卷积神经网络)、无监督学习(限制波尔兹曼机)以及强化学习(Q学习)的核心算法,并给出两个具体金融案例。通过对比深度学习和传统机器学习的效率、结构、泛化能力,揭示深度学习在金融实践中的现状与局限。适合量化分析师、金融工程师、AI研究员及投资者了解深度学习在量化投资、风险管理和另类数据中的应用。
本报告是长江证券机器学习白皮书系列的第三篇,聚焦深度学习在金融领域的应用。报告系统介绍了监督学习(深度神经网络、循环神经网络LSTM、卷积神经网络)、无监督学习(限制波尔兹曼机)以及强化学习(Q学习)的核心算法,并给出两个具体金融案例。通过对比深度学习和传统机器学习的效率、结构、泛化能力,揭示深度学习在金融实践中的现状与局限。适合量化分析师、金融工程师、AI研究员及投资者了解深度学习在量化投资、风险管理和另类数据中的应用。
本报告由长江证券发布,发布于 2018 年。
覆盖 2018 年,全文约 27。
本报告免费查阅,登录资料宝后即可在线获取完整内容。
适合金融从业者、量化分析师、机器学习工程师、投资研究员等读者参考。
重点分析了金融投资、方法介绍、金融领域、长江证券等议题。