中信建投:AI模型研究三部曲(微信)_第1頁
中信建投:AI模型研究三部曲(微信)_第2頁
中信建投:AI模型研究三部曲(微信)_第3頁
中信建投:AI模型研究三部曲(微信)_第4頁
中信建投:AI模型研究三部曲(微信)_第5頁
已閱讀5頁,還剩12頁未讀, 繼續(xù)免費閱讀

下載本文檔

版權(quán)說明:本文檔由用戶提供并上傳,收益歸屬內(nèi)容提供方,若內(nèi)容存在侵權(quán),請進(jìn)行舉報或認(rèn)領(lǐng)

文檔簡介

中信建投:AI模型研究三部曲中信建投證券研究2023-08-1807:50發(fā)表于北京重要提示:通過本訂閱號發(fā)布的觀點和信息僅供中信建投證券股份有限公司(下稱“中信建投”)客戶中符合《證券期貨投資者適當(dāng)性管理辦法》規(guī)定的機(jī)構(gòu)類專業(yè)投資者參考。因本訂閱號暫時無法設(shè)置訪問限制,若您并非中信建投客戶中的機(jī)構(gòu)類專業(yè)投資者,為控制投資風(fēng)險,請您請取消關(guān)注,請勿訂閱、接收或使用本訂閱號中的任何信息。對由此給您造成的不便表示誠摯歉意,感謝您的理解與配合!AI模型系列研究的動機(jī)主要來自于最近火熱的人工智能在金融領(lǐng)域的應(yīng)用挑戰(zhàn)(AIGC),ChatGPT的推出引發(fā)了廣泛的關(guān)注和討論。中信建投證券多因子與ESG策略團(tuán)隊最新研究成果如下:基于深度強(qiáng)化學(xué)習(xí)的滬深300選股——AI模型研究第一期LLAMA-2與GPT-4對比分析,深度探析兩大技術(shù)優(yōu)勢與應(yīng)用前景—AI模型研究第二期LSTM模型在股指期貨交易應(yīng)用——AI模型研究第三期1I究第一期心觀點本報告旨在提供關(guān)于深度強(qiáng)化學(xué)習(xí)在選股投資組合構(gòu)建上的量化研究的全面概述。強(qiáng)化學(xué)習(xí)可以用于開發(fā)能夠從市場環(huán)境中自適應(yīng)學(xué)習(xí)的交易策略,有效應(yīng)對可以為專業(yè)的投資機(jī)構(gòu)提供有價值的決策支持和實踐指南。本報告探討了不同強(qiáng)論深度強(qiáng)化學(xué)習(xí)可以用于開發(fā)能夠從市場環(huán)境中自適應(yīng)學(xué)習(xí)的交易策略,較之基于經(jīng)驗與直覺的傳統(tǒng)模型,能夠有效地應(yīng)對快速變化的市場環(huán)境中的不確定性,其在資產(chǎn)投資方面的應(yīng)用潛力在量化投資交易領(lǐng)域引起了廣泛關(guān)注。它提供了一種形式化描述投資決策的方法,使用馬爾可夫決策過程建模問題,并使用值函數(shù)和策略來優(yōu)化決策過程,通過定義狀態(tài)、設(shè)計行動空間、制定獎勵函數(shù)、建模轉(zhuǎn)移SARSA算法等基于值函數(shù)的強(qiáng)化學(xué)習(xí)算法,原理和實施方法,并且探討了這些算法在投資組合構(gòu)建中的應(yīng)用潛力及優(yōu)勢和局限性。在實證應(yīng)用方面,報告討論9E十大風(fēng)格因子等相關(guān)指標(biāo)訓(xùn)練三個智能體(A2C,PPO,DDPG),最終使用Ensemble策略滾動整合三個智能體的結(jié)果,在多項收益與風(fēng)險指標(biāo)的表現(xiàn)上均深度強(qiáng)化學(xué)習(xí)在具備能夠從市場環(huán)境中自適應(yīng)學(xué)習(xí)的優(yōu)勢的同時,對數(shù)據(jù)質(zhì)量要求較高,作為黑盒模型決策過程可能欠缺可解釋性;但其處理動態(tài)和復(fù)雜決策過歷史數(shù)據(jù)的總結(jié),模型學(xué)習(xí)到的市場規(guī)律在未來存在失效的可能。論報告來源證券研究報告名稱:《基于深度強(qiáng)化學(xué)習(xí)的滬深300選股——AI模型研究第一期》對外發(fā)布時間:2023年7月11日報告發(fā)布機(jī)構(gòu):中信建投證券股份有限公司本報告分析師:陳果SAC編號:S1440521120006研究助理:徐建華研究助理:陳添奕2LLAMA-2與GPT-4對比分析,深度探析兩大技術(shù)優(yōu)勢與應(yīng)用前景—AI模型研究第二期心觀點本篇報告比較了LLAMA2和GPT-4這兩個模型。LLAMA2采用了預(yù)規(guī)范化和SwiGLU激活函數(shù)等優(yōu)化措施,在常識推理和知識面方面表現(xiàn)出優(yōu)異的性能。T解釋器為解決模型在數(shù)學(xué)和語言方面的固有弱點提供了有效的方法,使其在數(shù)據(jù)分析和處理中展現(xiàn)出高超的能力。盡管兩者在性能和安全性方面都有改進(jìn),但仍面對本報告綜合比較了LLAMA2和GPT-4兩個重要的自然語言處理模型。AMALLAMASwiGLU激活函數(shù)和旋轉(zhuǎn)位置嵌入等優(yōu)化技術(shù),通過監(jiān)督微調(diào)和強(qiáng)化學(xué)習(xí)優(yōu)化。它在常識推理、知識面、閱讀理解和數(shù)學(xué)能力等任務(wù)上表現(xiàn)優(yōu)異,并在綜合基準(zhǔn)測試中優(yōu)生成等方面展現(xiàn)出強(qiáng)大能力。代碼解釋器的多功能性使其在數(shù)據(jù)分析和處理中表處理性能有顯著提高,但對用戶查詢可能過度敏感。經(jīng)過6個月的安全改進(jìn),域中發(fā)揮優(yōu)勢的潛力。這兩個模型的發(fā)展為人工智能技術(shù)的應(yīng)用帶來了更多可能性。然而,它們在性能和安全性方面仍然存在一些局限性和挑戰(zhàn),需要持續(xù)的努進(jìn)展、確??煽啃耘c穩(wěn)健性論告來源證券研究報告名稱:《LLAMA-2與GPT-4對比分析,深度探析兩大技術(shù)優(yōu)勢與應(yīng)用前景—AI模型研究第二期》對外發(fā)布時間:2023年7月28日報告發(fā)布機(jī)構(gòu):中信建投證券股份有限公司本報告分析師:王宏SAC編號:S1440523070008研究助理:徐建華研究助理:陳添奕3LSTM模型在股指期貨交易應(yīng)用——AI模型研究第三期心觀點型能夠更好地處理序列數(shù)據(jù)中的長期依賴關(guān)系。通過其獨特的記憶單元和門控機(jī)制,能夠有效地捕捉和記憶時間序列中的重要信息,從而更準(zhǔn)確地預(yù)測資產(chǎn)價格實證結(jié)果上LSTM在股指期貨對T+1日開盤價比收盤價有相對預(yù)測精度?;谄絺}。0%和10.23%。測場景中,結(jié)合財務(wù)基本面因子和技術(shù)分析指標(biāo),提取有經(jīng)濟(jì)學(xué)含義的特征,并對其進(jìn)行適當(dāng)?shù)念A(yù)處理和歸一化,以供模型訓(xùn)練和預(yù)測使用。金融數(shù)據(jù)通常具有缺失數(shù)據(jù)、異常值和時序數(shù)據(jù)周期性特征通常需要進(jìn)行處理,然后通過選擇適當(dāng)較高后,再選擇股指期貨主力合約案例進(jìn)行研究對象。在測試集中,三個股指期TT55%的準(zhǔn)確度。構(gòu)益。報告來源證券研究報告名稱:《LSTM模型在股指期貨交易應(yīng)用——AI模型研究第三期》對外發(fā)布時間:2023年8月17日報告發(fā)布機(jī)構(gòu):中信建投證券股份有限公司本報告分析師:王宏SAC編號:S1440523070008研究助理:徐建華近期熱門視頻更多精彩視頻,盡在中信建投證券研究視頻號,歡迎關(guān)注~免責(zé)聲明本訂閱號(微信號:中信建投證券研究)為中信建投證券股份有限公司(下稱“中信建投”)研究發(fā)展部依法設(shè)立、獨立運營的唯一官方訂閱號。本訂閱號所載內(nèi)容僅面向符合《證券期貨投資者適當(dāng)性管理辦法》規(guī)定的機(jī)構(gòu)類專業(yè)投資者。中信建投不因任何訂閱或接收本訂閱號內(nèi)容的行為而將訂閱人視為中信建投的客戶。本訂閱號不是中信建投研究報告的發(fā)布平臺,所載內(nèi)容均來自于中信建投已正式發(fā)布的研究報告或?qū)蟾孢M(jìn)行的跟蹤與解讀,訂閱者若使用所載資料,有可能會因缺乏對完整報告的了解而對其中關(guān)鍵假設(shè)、評級、目標(biāo)價等內(nèi)容產(chǎn)生誤解。提請訂閱者參閱中信建投已發(fā)布的完整證券研究報告,仔細(xì)閱讀其所附各項聲明、信息披露事項及風(fēng)險提示,關(guān)注相關(guān)的分析、預(yù)測能夠成立的關(guān)鍵假設(shè)條件,關(guān)注投資評級和證券目標(biāo)價格的預(yù)測時間周期,并準(zhǔn)確理解投資評級的含義。中信建投對本訂閱號所載資料的準(zhǔn)確性、可靠性、時效性及完整性不作任何明示或暗示的保證。本訂閱號中資料、意見等僅代表來源證券研究報告發(fā)布當(dāng)日的判斷,相關(guān)研究觀點可依據(jù)中信建投后續(xù)發(fā)布的證券研究報告在不發(fā)布通知的情形下作出更改。中信建投的銷售人員、交易人員以及其他專業(yè)人士可能會依據(jù)不同假設(shè)和標(biāo)準(zhǔn)、采用不同的分析方法而口頭或書面發(fā)表與本訂閱號中資料意見不一致的市場評論和/或觀點。本訂閱號發(fā)布的內(nèi)容并非投資決策服務(wù),在任何情形下都不構(gòu)成對接收本訂閱號內(nèi)容受眾的任何投資建議。訂閱者應(yīng)當(dāng)充分了解各類投資風(fēng)險,根據(jù)自身情況自主做出投資決策并自行承擔(dān)投資風(fēng)險。訂閱者根據(jù)本訂閱號內(nèi)容做出的任何決策與中信建

溫馨提示

  • 1. 本站所有資源如無特殊說明,都需要本地電腦安裝OFFICE2007和PDF閱讀器。圖紙軟件為CAD,CAXA,PROE,UG,SolidWorks等.壓縮文件請下載最新的WinRAR軟件解壓。
  • 2. 本站的文檔不包含任何第三方提供的附件圖紙等,如果需要附件,請聯(lián)系上傳者。文件的所有權(quán)益歸上傳用戶所有。
  • 3. 本站RAR壓縮包中若帶圖紙,網(wǎng)頁內(nèi)容里面會有圖紙預(yù)覽,若沒有圖紙預(yù)覽就沒有圖紙。
  • 4. 未經(jīng)權(quán)益所有人同意不得將文件中的內(nèi)容挪作商業(yè)或盈利用途。
  • 5. 人人文庫網(wǎng)僅提供信息存儲空間,僅對用戶上傳內(nèi)容的表現(xiàn)方式做保護(hù)處理,對用戶上傳分享的文檔內(nèi)容本身不做任何修改或編輯,并不能對任何下載內(nèi)容負(fù)責(zé)。
  • 6. 下載文件中如有侵權(quán)或不適當(dāng)內(nèi)容,請與我們聯(lián)系,我們立即糾正。
  • 7. 本站不保證下載資源的準(zhǔn)確性、安全性和完整性, 同時也不承擔(dān)用戶因使用這些下載資源對自己和他人造成任何形式的傷害或損失。

最新文檔

評論

0/150

提交評論