Feng JI，定量创始人：整个生产线的大型开发和发

7月12日，举行了第四届白人投资书研讨会和花园锦标赛。 Beiyang定量的创始人Feng Ji参加了会议，并就“大型模型时代的定量投资”发表了开幕词。 他今天说，他想与队友谈论一些“毒品”。 Beiyang的量化重点关注高销售额，在他建立的第一天，他使用了投资和研究系统（例如AI技术公司）使用“本地”想法来管理其资产。当时，每个人都问：“我可以使用商业自动学习动作吗？”没有人问更多。 让我们补充一个小理论。在自动学习的核心中，有一个祈祷。这些功能如何在培训集中使用我从未见过的数据？这是一个概括。由1980年代图灵奖的Awinner Valiant提供的PAC学习框架正式化了PAC。我们敢于移动真实的专辑模型，规定该算法可以确保T帽子将获得一个限制，并具有很高的错误可能性。 那么我们可以了解金融市场吗？市场无效，除当前价格外，还有其他信息可供使用。时间分布移动，但是高频数据几乎符合与即时水平和慢速螨虫独立的相同分布。样本量非常大。上海和深圳的价值交易中，每天3亿美元交易，在1,000天内带来了3000亿点。冯吉指出：在高频领域，自动学习不仅可以学习，而且可以“低估”而不是“过表达”。 让我们谈谈错误的想法，即“黑匣子无法交换”。有两种解释方法。如果您使用白色盒子接近黑匣子并减去解释的所有部分，则其余的移动到高频维度，因为真正的Alphabara框架已经进行了很长时间。而不是解释模型，我们只监视统计。如何尝试高速轨道，因为事故的可能性非常低，并且驾驶员并不总是解释手术。监视指标稳定，可以放置在实际市场上。 这是一个很棒的模型，并且游戏规则已重写。 NLP曾经是部分词汇管道→语音→功能→模型→评估，但现在分为三个步骤完成：预训练→监视设施→增强学习。定量投资研究还遵循相同的路径，而不是维修，而是重建整个生产线。 Beiyang将团队分为两人。自动学习组：我负责“精确”。高性能计算组：“高速”负责人。没有“基于的因素”。每个人都重复一个统一的基础。 为什么首先被AI捕获的短周期？有许多低效率和广泛的信号。它具有稳定的分布和学习。有很多非线性模式，WHICH使手动表示困难。循环越短，AI垄断越强。周期越长，就越困难。 AI投资研究系统还有另一个重要优势。您可以计划更新。传统的投资研究基于灵感和计划作为软件工程。当GPT-2出来时，您可以预测如何看待GPT-4。 Beyan的内部研发时间表安排在三个月后。在国庆日之前，哪些特征会改善？现在，您可以写OKR.NOTE：本文与AI和基于Live Tachigraphy的汇编兼容。没有我的确认，该基金是危险的，投资谨慎！ 官方NINA Finance帐户 遵循粉丝的优点，扫描24小时的最新财务信息和视频以及其他QR（Sinafinance）代码