AI投资新闻

AMD 最新 FPGA(现场可编程门阵列)承诺为高频交易者(Flash Boy)提供超低延迟的人工智能， FPGA 经常被高频交易者使用，在这个行业中，几分之一秒的延迟就可能决定算法安排的交易的盈利或亏损之间的差异。使用更快或更精细的交易算法对 FPGA

GS Quant是一个用于量化金融的 Python 工具包，创建于世界上最强大的风险转移平台之一之上。旨在加速量化交易策略和风险管理解决方案的开发，拥有超过 25 年的全球市场经验。 它由高盛的量化开发人员（Quant）创建和维护，用于开发交易策略

本文讨论一些关于强化学习RL和量化交易的问题： 假设训练一个机器学习ML代理进行股票交易：一种方法是为系统提供许多优秀策略的范例，例如，关于是否在特定时间卖出特定股票的标注信息。这就是众所周知的监督学习模式。因为代理试图模仿好的策略，所以无法超越它

假设你是世界上最好的量化公司之一的量化交易员，你的薪水高到大多数行业外的人都不相信你，福利和设施（食物、健身房等）都很好，你周围都是聪明勤奋的人，工作很有趣/有挑战性/有回报，似乎就像一场梦。 然而，你开始意识到工作开始吞噬你的生活，你需要花很多时间才能赶

算法交易中的错误会扼杀盈利能力！ 有 10 个导致盈利能力下降的关键错误。我们今天将讨论，然后重点讨论如何解决 10 个关键错误中的第一个。因此，让我们来剖析十个可能会损害算法交易者盈利能力的常见错误。 1.过度

基于 Shapley 的投资组合绩效方法：SPPC 方法可以确定单个预测变量对投资组合绩效的贡献，揭示回报可预

数据工程师 、数据科学和硬件工程师组成的团队在开发机器学习交易算法时，在四个关键点上可能会出现陷阱：- 在收集数据时，将使用新开发的算法- 在算法的设计过程中，当一个团队被组成来解决一个问题时，假设的问题和解决方案，制定了一个算法，- 在评估过程中

我在这个分论坛发了两篇帖子后，收到了大量的DM，尤其是学生，询问如何进入银行交易部门或HF的QT/QR，以及薪水、目标学校、从一份工作到另一份工作的过渡等问题。我将在本帖中给出我个人对这些问题的回答，希望对大多数人有所帮助 首先，在相应学校就读确实

ML算法采用剪枝技术，通过排序、抽样和分类，去除多余或不重要的交易规则。 这一过程的结果可分为四种情况。 假设 "U "是交易者的数据集，"A "是发现的#交易规则集： 符合规则：如果 A_i 的

对于量化交易者来说，学习哪些编程语言和技能最有用？ 1、Python。强烈建议了解一些开发人员工具和数据库，例如 git、docker、GCP、SQL、Apache Airflow。确保非常擅长 python 库。

编写限价订单是定量分析师面试时常见的问题。 PyLimitBook是一个用Python编写的快速限价订单书的实现 PyLimitBook 是用 Python 编写的 2 级美国股票数据的快速限价单簿的实现

以下是推荐的学习量化交易 Stats 的好书： 1、统计学习要素（Elements of Statistical Learning）优点：统计学的圣经。全面而详细。必读。缺点：需要扎实的数学功底，对初学者来

相似性搜索，包括确定两个或多个时间序列之间存在的相似程度，是某种交易系统中的基本任务。典型应用包括检测： - 图案 - 趋势 - 异常 - 集群 下面是一些常用的技巧： - 欧氏距离

斐波那契 MACD 交易策略是一种简单但有效的策略，可用于任何类型的交易设置。 本文阐述如何使用斐波那契 MACD 策略从市场中获利。股票、外汇、期货和期权、加密货币和大宗商品都可以使用这种策略进行交易。让我们首先快速概述斐波那契数列及其在交易中的

G-Research已经发布了他们的加密高频数据，供宽客开发自己的交易策略。点击标题 该数据集包含多种加密资产（例如比特币和以太坊）的历史交易信息。您的挑战是预测他们未来的回报。 由于加密货币的历史价格并

量化交易最佳三本书籍推荐： 1.算法交易 这是初学者开始量化交易策略的最佳书籍。 它通过简单的策略，如均值回归和动量。 2.高频交易