物理工程建模和AI量化建模的时空跳跃

最新推荐文章于 2024-08-22 11:25:41 发布

原创

最新推荐文章于 2024-08-22 11:25:41 发布 · 2.4k 阅读

5 ·

CC 4.0 BY-SA版权

文章标签：

#算法 #机器学习 #人工智能 #大数据

李冠达，从物理工程转向AI量化投资，分享他在BigQuant平台上的研究工作，如LSTM、GBDT算法应用，并探讨AI量化建模与物理建模的异同。他认为金融市场是一个中长期符合经济周期，短周期混沌的系统，AI量化尚处早期，未来发展方向是数据、算法、算力的结合与市场理解的深入。

BigQuant是以AI为核心的投研和投资平台。提供量化数据服务中台、多种投资算法、量化投资最佳实践等，提供机器学习等在量化的技术探讨和解决方案。在BigQuant技术社区，我们会发布与AI量化相关的科普内容和研究过程、研究成果，填补AI量化的知识空缺。
我是李冠达，在宽邦科技（BigQuant）担任高级策略工程师，毕业于清华大学，从事过流体、固体力学工程方面的建模工作。有6 年以上的量化投资经验，转到AI量化也3年多了。个人比较擅长将物理层面的模型迁移到量化投资上，曾帮助国内知名基金成功设计出 AI 模型。
在这里插入图片描述

介绍一下目前从事的工作

目前主要在BigQuant上研究各类算法在量化的应用，例如LSTM\LGBT等等算法的研究。同时，也开AI量化的Meetup，针对在AI量化中有疑惑或者遇到障碍进行答疑，这样直接的沟通，可以解决大家不少的疑虑。也会在高校去讲讲课，普及AI量化的知识。
高校公开课

怎么和BigQuant结缘的

一次偶然的机会参加线下的宽客聚会结识了创始人梁总，当时看到AI量化对Demo版本(即现在的BigQuant)觉得很有意思，同时也看到AI量化的理念真正地落地实践了，当时很兴奋。更巧的是，当时宽邦科技就在家附近，步行不到十分钟，周末的时候就选择去实习，做了一些策略研究和模版案例，小有成就。也是看好AI在量化领域的发展，干脆就加入到公司成为其中的一员。