本项目将研究人为智能正在大数据中预测股票价值的本事。简直的咱们将行使轮回神经搜集的算法（RNN）来寻找预测实在凿性和套利时机。咱们会从根本的三种轮回神经搜集先河咱们的钻探。网罗凡是轮回神经搜集, GRU 搜集和LSTM搜集。咱们也会研究归纳这三种搜集的深度研习算法。与守旧预测研习模子区其余地朴直在于，轮回神经搜集是有纪念的。它会纪录数据的轨迹和隐含变量的少少特质。这些看待研究股价更改背后的秩序是很直接的帮帮。避免了守旧办法中良多的模子校准的题目和总结大方宏观数据和公司层面数据。 这种点对点的对征研习方法也给非参数计量金融测度带来了良多方便。轮回神经搜集看待非完善的有噪声的数据也能顺应，这看待处分高频错落的金融股价数据相较于守旧的时光序列模子（ARIMA, GARCH） 等有很大上风。能顺应短时光段采样的数据点。非线性的更改体系也可能帮帮钻探者来给隐含经济状况做丰富的变换。
正在这个项目中咱们会行使10年的突出80只纳斯达克高频贸易股票数据来推行轮回神经搜集。咱们会起首专心于单临时光序列的修模，也会引入高维变量的调试和反向传布的程序。接着咱们会创立多时光序列的神经搜集的模子。要紧是斟酌股价和动摇率之间的leverage effect. 除了这些多序列同时测度以加强预测的准度除表，咱们还会斟酌举座的组合预测。这会用到meta-learning 的算法。这个算法要紧是去研习神经搜集是怎么研习数据特质的（learning to learn）。咱们会用这个算法来斟酌各个股票之间的闭系和独立特质来造造出最好的投资比率。
除此除表，咱们还将行使天然发言研习的办法来加硬汉工智能模子预测金融商场将来趋向的本事。天然发言处分是人为智能和发言学的交叉学科，此范畴研商怎么让电脑学懂人类的发言。天然发言的处分体系把天然发言转化为算计机数据以便于算计机标准处分。深度的天然发言研习体系乃至可能创作发言，与人类举行对话和激情相易。这些机造的造成离不开层层递进的统计模子和组织。近年来天然发言处分也被多方面操纵正在考古，社会，经济等其它学科中，这些处分多涉及文字数据的分类和语义解析，并涉及人类举止和背后激情的场景运用。这些钻探正在社交网站用户数据爆炸确当下拥有良多时效性的道理。
简直的咱们将深化社交搜集，比如twitter，微博或facebook中的用户状况数据或者群多号音讯的文字数据来阐明商场插手者的心绪举止。投资者正在过滤这些文字数据后做出的投资决定也与文字处分息息闭连。这些都可能动作独立于公司财政目标除表的身分来插手股价预测。正在修模的经过中文字新闻将被转化为商场心情目标，文字的转化经过将操纵topic modelling, word clustering, latent dirichlet allocations等经典的NLP措施。学生也能通过此经过熟练操纵大型文字数据的洗刷，标签和语境阐明。
●对金融工程、金融数学、金融学、经济学、统计学、贸易阐明、算计机感意思的同砚
加州大学洛杉矶分校经济系副教育，运用经济学硕士生导师及项目学术担任人。宾夕法尼亚大学沃顿商学院MBA结业，加州大学洛杉矶分校物理学博士。正在经济金融范畴，大数据人为智能，量子物理，地球物理学等诸多倾向均有学术成就。日前着重于深度研习与股票商场的交叉学科钻探。是Journal of applied statistics, Journal of Forecasting等稠密杂志的匿名审稿人。
加州大学洛杉矶分校统计系高级钻侦探与教人员工，百度（美国）客座统计学家。加州大学洛杉矶统计博士。曾任微软和索尼等多家硅谷公司动作数据学家。钻探范畴纠集正在加强研习，机械研习的运用，金融大数据研习和社交网站举止阐明。
宾州州立大学统计学博士，复旦大学电子工程信用本科结业。教员的钻探倾向纠集正在可评释化的神经搜集模子，股票回报阐明，机械研习和高阶大数据和归因阐明等等。公布作品至journal of econometrics, aaai 和美国统计会刊等高影响力期刊中。
1. 轮回神经搜集先容和nlp根本措施2. 人为智能与高频金融贸易数据处分
· 轮回神经搜集，时光滞后神经搜集，机械研习和高维统计· 股价预测，商场信号处分和投资组合最优化
python、R；时光序列模子、人为智能、轮回神经搜集、笼统搜集、天然发言处分、语义识别、降维办法
机械研习根本、python数据阐明初学、金融计量学和时光序列、多元金融订价模子、学术论文写作
