收藏！精品AI量化学习资料分享

原创 已于 2023-11-30 18:29:30 修改 · 1.7k 阅读 · 9 ·
CC 4.0 BY-SA版权
版权声明：本文为博主原创文章，遵循 CC 4.0 BY-SA 版权协议，转载请附上原文出处链接和本声明。
文章标签：

#人工智能 #量化

于 2020-12-02 10:27:10 首次发布
本文整理了一波AI量化领域的精选资料，涵盖了从基础入门到机器学习方法，再到AI与多因子的结合应用。包括《AI量化零基础入门知识》、《Advances in Financial Machines Learning》等经典著作，以及对数据标注、损失函数改进、特征选择的研究。旨在帮助量化学习者建立全面的知识框架，并提供实证研究方法。

作为一个AI量化学习者，可能很多人会有和我一样的感觉：问题不在于学习资源不够，而是“信息过载”。所以，我整理了一波AI量化精品资料，希望能和大家共同进步一起交流！

下面详细介绍和社区附件，大家按需享用~(如遇链接失效请前往[BigQuant社区](https://bigquant.com/wiki/home）

综合类与科普类

  1. 《AI量化零基础入门知识》
    AI量化策略快速理解、因子工程是什么、量化投资；适合零基础初学者学习量化投资知识。

  2. 《Advances in Financial Machines Learning》
    金融建模集大成教科书，数据分析 => 建模方法 => 回测方法 => 有效因子 => 前沿计算。英文版。

  3. 《Can Machines Learn Finance?》
    AQR2019最新研究。金融大数据噪音多变化大，和机器学习广泛应用的语音识别/图像识别领域有着很大不同。那么，机器学习能否在金融领域发挥作用、提高资产投资效率呢？当前前沿的机器学习在金融业的应用和研究有哪些呢？这篇文章一一给出回答。
    AQR Alternative Thinking 2Q19 Can Machines Learn Finance.pdf (1.5 MB)

最低0.47元/天 解锁文章
BigQuant
关注
机器学习-学习1号小分队资料总结01
图解AI
04-13 6738
机器学习-学习1号小分队机器学习须知欢迎加入机器学习小分队，请各位队员修改下自己的昵称-机器学习的具体方向-从业年限，方便各位进行交流，方便勾搭,每天都有资料更新。想入群的可以联系我,加我微信,拉你入群收集大家的建议： 机器学习小分队，精品分享&话题征集本群人数快满500了，欢迎大家交流学习技术。先给大家简单说明一下群规 1. 不许骂人，互相伤害； 2. 不许乱贴广告、推广； 3. 不要在班
人工智能大模型技术基础系列之：模型压缩与量化
AI天才研究院
10-28 465
作者：禅与计算机程序设计艺术 1.背景介绍 大数据时代带来的挑战之一就是数据的规模日益增长、质量不断提升，导致了海量数据的分析、处理等任务变得十分复杂。为了能够充分发挥硬件性能的优势，降低计算成本，有效处理大数据集，人工智能的研究者们一直在寻找更高效的机器学习方法。因此，模型压缩（Model Com
来自世坤！寻找Alpha 构建交易策略的量化方法
量化风云
01-25 2756
推荐这本《Finding Alphas: A Quantitative Approach to Building Trading Strategies》。我拿到的PDF是2019年的第二版。来自WorldQuant（世坤）的Igor Tulchinshky。
读书笔记-20180512-基于短周期价量特征的多因子选股体系
纸上得来终觉浅
05-12 2876
1. 股票收益=风格收益+阿尔法收益2. 最典型的风格收益包括行业风格、市值风格。其他各大类风格因子，贝塔，动量，波动，盈利，成长，价值，杠杆，流动性，风格收益的特点在于显著但不可预测（或者说在我们的阿尔法因子模型体系中不对风格收益进行预测），而阿尔法收益的特点是显著并且一定程度上可预测。因此，阿尔法模型的目标是针对阿尔法收益的预测，而不是针对股票整体收益的预测。而评价阿尔法模型的标准也应是计算其...
探索AI大模型量化前沿技术：引领智能计算新潮流
2401_85375298的博客
08-24 1494
量化旨在将模型参数的精度从高位宽（如32位浮点数）降低到低位宽（如8位整数）。在减少表示原始参数的位数时，通常会有一些精度（细粒度）的损失。为了说明这种效应，我们可以拿任何一幅图像，仅使用8种颜色来表示它。放大部分看起来比原图更“粗糙”，因为我们用更少的颜色来表示它。量化的主要目标是在尽可能保持原始参数的精度的同时，减少表示原始参数所需的位数（颜色）。
AI大模型量化技术介绍（四）训练后量化、4位量化
star_nwe的博客
08-26 2572
AI大模型作为人工智能领域的重要技术突破，正成为推动各行各业创新和转型的关键力量。抓住AI大模型的风口，掌握AI大模型的知识和技能将变得越来越重要。学习AI大模型是一个系统的过程，需要从基础开始，逐步深入到更高级的技术。这里给大家精心整理了一份全面的AI大模型学习资源，包括：AI大模型全套学习路线图（从入门到实战）、精品AI大模型学习书籍手册、视频教程、实战学习、面试题等，资料免费分享！
AI与量化投资人才培养计划-连接职场 助力走在金融行业前沿
DAMOXINGHAITAI的博客
09-20 1408
AI与量化投资的人才培养计划不仅是为了提供专业知识，更是为了激发创新思维，帮助金融从业者适应快速变化的市场环境。通过这个计划，我们期待培养出一批能够引领金融行业变革的先锋，推动金融行业迈向更加智能化、高效化的未来。在这个不断进化的金融世界，让我们携手并进，用AI的力量，照亮投资之路，走在金融行业的前沿。（全套教程文末领取哈）从大模型系统设计入手，讲解大模型的主要方法；在通过大模型提示词工程从Prompts角度入手更好发挥模型的作用；大模型平台应用开发借助阿里云PAI平台构建电商领域虚拟试衣系统
务必收藏！大模型常见面试题汇总与详解
2401_86518761的博客
09-09 1760
RAG 技术体系的总体思路使用外挂知识库主要为了解决什么问题如何评价 RAG 项目效果的好坏大模型的幻觉问题、复读机问题是什么针对问题 4，有没有什么解决办法出现问题 4 的原因有哪些当前主流的开源大模型是哪个，其架构具体是怎样的？有哪几种 SFT 方法什么是 lora 微调RAG 的检索阶段，常见的向量检索模型有哪些？SFT 和 RLHF 优劣对比详细介绍一下 RLHFsita，存储为 12。
超详细的总结！大模型算法岗面试题(含答案)来了！
mama19971023的博客
07-22 3065
大模型LLM（Large Language Models）通常采用基于Transformer的架构。Transformer模型由多个编码器或解码器层组成，每个层包含多头自注意力机制和前馈神经网络。这些层可以并行处理输入序列中的所有位置，捕获长距离依赖关系。大模型通常具有数十亿甚至数千亿个参数，可以处理大量的文本数据，并在各种NLP任务中表现出色。
理解AI大模型中的“量化”概念
Yafult的博客
03-17 902
量化是AI大模型落地的关键技术之一，通过精度与效率的权衡，使大模型能够在资源受限的环境中高效运行。理解量化需要结合算法设计、硬件特性和实际需求，未来随着算法和硬件的协同进化，量化技术将进一步提升大模型的实用性。
【深度学习】模型量化：AIMET
静谧、淡雅
03-30 1082
AIMET是一个使用户能够压缩和量化模型的软件工具包。AIMET提供了用于训练模型的优化设计，从而可以对得到的压缩和/或量化模型进行进一步训练（也称为微调），以恢复任何精度损失。AIMET目前支持TensorFlow和PyTorch模型。AIMET架构见下图：使用AIMET时工作流程的高级视图，见下图。如上图，用户将从TensorFlow或PyTorch的已训练模型开始。这个经过训练的模型被传递给AIMET，使用API进行压缩和量化。
AI大模型的新突破：量化技术深度解析
2401_84204207的博客
09-12 1984
量化旨在将模型参数的精度从高位宽（如32位浮点数）降低到低位宽（如8位整数）。在减少表示原始参数的位数时，通常会有一些精度（细粒度）的损失。为了说明这种效应，我们可以拿任何一幅图像，仅使用8种颜色来表示它。放大部分看起来比原图更“粗糙”，因为我们用更少的颜色来表示它。量化的主要目标是在尽可能保持原始参数的精度的同时，减少表示原始参数所需的位数（颜色）。
第八章：AI大模型的部署与优化8.1 模型压缩与加速8.1.2 量化与剪枝
AI架构师小马
02-24 1016
AI 大模型的部署与优化-8.1 模型压缩与加速-8.1.2 量化与剪枝 作者：禅与计算机程序设计艺术 8.1 模型压缩与加速 8.1.1 背景介绍 随着深度学习技术的不断发展，人工智能模
【小白科普】AI 大模型的量化到底是什么
最新发布
会飞的架狗师的博客
07-30 829
先看个简单的例子：你手机里的照片，原始格式可能有几十 MB，压缩成 JPG 后只剩几 MB，画质没太大变化但存储和传输更方便了。AI 大模型的量化，本质上就类似这种 “智能压缩”—— 通过降低模型中参数的数值精度，在尽量不影响模型性能的前提下，让模型变 “轻”。大模型之所以 “大”，是因为里面有海量参数（比如动辄百亿、千亿个），这些参数通常用 32 位浮点数（简称 FP32）来表示，就像用精确到小数点后 8 位的数字记录信息。
AI量化与机器学习流程：从数据到模型
weixin_38175458的博客
11-09 1060
这个过程几乎是标准的，后来主要是添加更多、更好的因子，不同的标注方法，可以是分类也可以是连续的。同时，因子也可以做一些预处理，滤波之类的。金融量化注入到机器学习全流程中，主要就是数据预处理，因子计算，数据自动化标注，然后模型训练，模型预测等等。原创文章第99篇，专注“个人成长与财富自由、世界运作的逻辑， AI量化投资”。实现三个基准模型，分别为logistic回归、随机森森和SVM。第99篇了，第一个100篇原创小目标就要完成，非常好。这里得到特征工程及标注后的数据集，然后就是更好的，能力更强的模型。
【量化】基于遗传规划的因子自动挖掘系统
standingflower的博客
04-25 6346
最后：策略达到了23.6%的年化收益，夏普比率达到5.87，最大回撤为-4.3%，平局年换手率为27.45 倍，平均持股数量为543 支。
基于短周期价量特征的多因子选股体系的实现（一）----体系介绍
night_core的博客
03-10 5863
基于短周期价量特征的多因子选股体系的实现（一）----体系介绍 至今为止，没有任何一个投资模型可以解释市场运行的一切变化规律。 投资不需要真理，但是需要逻辑和依据。 前言 本文主要讲解使用python技术实现选股体系，理论支持均来自《【国泰君安】基于短周期价量特征的多因子选股体系－－ 数量化专题之九十三》。完整详细的讲解整个体系实现的过程，并不涉及理论，以及证券选股，是一篇技术文。主要讲解：数据来...
掘金量化 | 短周期量价策略（附源码）
量化交易研究
12-17 3286
可能不少朋友都有阅读过国泰君安《基于短周期价量特征的多因子选股体系》这篇研报，对其内多达191个量价因子印象深刻。该研报是在2017年中旬发布的，时至今日已过去四年时光，为此大家可能会好奇，这些因子“尚能饭否”？  ​ 为此，基于单因子方式，我们做了一些简单测试。  ​ 一、策略逻辑简述：  ​ 基于研报内的量价因子，做多单因子前N只股票，周频持仓。  ​ 我们测试了Alpha001至Alpha050这50个因子，其中Alpha007因子在今年表现较为优越。其因子定义分为如下：  ​ Alp
评论
添加红包

请填写红包祝福语或标题

个

红包个数最小为10个

元

红包金额最低5元

当前余额3.43元 前往充值 >
需支付：10.00元
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付元
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明：

1.余额是钱包充值的虚拟货币，按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载，可以购买VIP、付费专栏及课程。

余额充值