2026-08-11大*****514页966.2K
2026-08-111*******014页1.44M
2026-08-10爱**疤14页1.43M
2026-08-09阿***532页7.96M
2026-07-27郭*庆53页1.15M
2026-07-19登**夫13页1.17M
2026-07-191*******811页969.61K
2026-07-131*******213页1.4M
2026-07-091*******323页1.13M
2026-07-03忘**情60页2.61M
2026-05-18方*****228页7.04M
本报告为国海证券金工机器学习系列专题第二篇，重点探讨在高波动市场环境下，如何借助机器学习技术挖掘有效信息，并优化投资组合的风险管理。报告可能涉及高频数据特征提取、波动率预测模型以及风险控制策略，旨在为投资者提供...
2026-05-18方*****228页7.04M
2026-05-18h******428页7.04M
2026-04-06喜***撼36页9.19M
该报告提出了一种名为T2RL的端到端深度强化学习框架，旨在同时进行因子挖掘与投资组合优化。框架将因子构建和资产配置整合为一个统一的强化学习过程，通过智能体与环境交互自动学习有效因子并动态调整组合权重，克服传统分步方...
2026-04-06喜***撼36页9.19M
2026-04-02一***黄19页1.02M
该报告聚焦算法交易中市场冲击带来的隐形成本问题，提出利用机器学习构建冲击模型的方法。通过实证分析，探讨模型在降低交易成本、优化执行策略方面的有效性，为算法交易者提供量化破局思路。...
2026-04-02一***黄19页1.02M
2026-03-23j*****z19页2.41M
本报告聚焦算法交易中的隐形成本问题，提出基于机器学习的冲击模型以进行破局分析。通过实证研究，探讨如何利用机器学习方法更精准地建模市场冲击，从而优化交易执行策略，降低交易成本。报告包含19页内容，适用于量化交易和金...
2026-03-23j*****z19页2.41M
2026-03-12特***爷35页948.38K
该文档系统梳理了组合优化与机器学习交叉领域的技术基础，探讨了如何利用组合优化方法提升机器学习模型的效率与可解释性。内容涵盖核心算法原理、典型应用场景（如资源调度、路径规划等），并总结了当前研究前沿方向与挑战，适...
2026-03-12特***爷35页948.38K
加载中...
加载更多
