随着 AI 的快速发展,量化投研的事情模式逐渐从人工研判走向全链条的“大数据+ AI 算法”的自动化方案。
但 AI 模型的学习过程每每忽略了目标和数据之间因果关系与可阐明性,这种“黑箱”操作让人难以理解它的运作办法。
如何打开“黑箱”,为投资策略带来更多的可阐明性?

9 月 21 日下午两点,来 NVIDIA GTC,聆听由中国量化对冲基金之一 Ubiquant 首席研究员、Ubiquant AI 实验室卖力人 Bryan Dai 带来的精彩分享——“人工智能在量化中的运用:可阐明 AI”。

Bryan Dai 在演讲中将向您展现 AI 算法在量化投研中的范例运用,并重点先容“可阐明性 AI 技能”在量化投资研究中的实际运用及案例。
通过引入 AI 可阐明技能,在数据层面,网络布局层面,以及决策层面引入可阐明的约束,并通过可视化、数据挖掘、逻辑推理、知识图谱等技能,透明化模型构建和推理过程,使 AI 模型呈现一定的可阐明性,以知足量化投资过程中对收益的归因和投资风险的掌握。

会议详情

人工智能在量化中的运用:可阐明 AI

GTC22  人工智能在量化投资研究中的应用可解释 AI

会议代码:[A41202]

会议韶光:9 月 21 日,星期三,2:00 PM - 2:50 PM

讲师简介

Bryan Dai 担当中国量化对冲基金之一——Ubiquant AI Lab 卖力人。

Bryan 管理的 Ubiquant AI Lab,专注于机器学习/深度学习在股票回报预测和投资组合优化中的运用。
此前,他拥有丰富的搜索、推举和 NLP 领域的算法及架构履历。
Bryan 拥有电子科学研究院打算机科学硕士学位和上海交通大学电子工程和运用数学学士学位。

扫描下方海报二维码,或复制链接至浏览器,即刻注册 GTC 22,将感兴趣的内容加入日程!

https://www.nvidia.cn/gtc-global/session-catalog/?ncid=GTC-NVYONGXIANGW#/session/1656519244075001nQvS