华泰人工智能研报精选¶
系列简介¶
本系列收录了华泰人工智能相关的研究报告。
研报目录¶
华泰-人工智能系列¶
- 人工智能选股框架及经典算法简介
- 人工智能选股广义线性模型
- 人工智能选股支持向量机模型
- 人工智能选股朴素贝叶斯模型
- 人工智能选股随机森林模型
- 人工智能选股Boosting模型
- 人工智能选股Python实战
- 人工智能选股全连接神经网络
- 人工智能选股循环神经网络模型
- 宏观周期指标应用于随机森林选股
- 人工智能选股stacking集成学习
- 人工智能选股特征选择
- 人工智能选股损失函数的改进
- 从时序交叉验证谈起
- 人工智能选股卷积神经网络
- 再论时序交叉验证对抗过拟合
- 人工智能选股数据标注方法实证
- 机器学习选股模型的调仓频率实证
- 重采样技术检验过拟合
- 机器学习中的随机数
- 基于遗传规划的选股因子挖掘
- 基于CSCV框架的回测过拟合概率
- 再探基于遗传规划的选股因子挖掘
- 技术分析可靠否？
- 市场弱有效性检验与择时战场选择
- 遗传规划在CTA信号挖掘中的应用
- 揭开机器学习模型的"黑箱"
- 基于量价的人工智能选股体系概览
- 提升超额收益_另类标签和集成学习
- 因果推断初探
- 生成对抗网络GAN初探
- 因子挖掘神经网络
- 无监督学习案例
- 结构和特征优化
- WGAN应用于金融时间序列生成
- 相对生成对抗网络RGAN实证
- 舆情因子和BERT情感分类模型
- 从单资产到多资产
- 周频量价选股模型的组合优化实证
- 微软AI量化投资平台Qlib体验
- 基于BERT的分析师研报情感因子
- 图神经网络选股与Qlib实践
- 因子观点融入机器学习
- 深度卷积GAN实证
- cGAN应用于资产配置
- 结构和损失函数
- cGAN模拟宏观指标
- cGAN应用于策略调参
- SinGAN单样本生成
- 再探cGAN资产配置
- 文本PEAD选股策略
- 神经网络组合优化初探
- 揭秘微软AI量化研究
- 基于遗传规划的一致预期因子挖掘
- 图神经网络选股的进阶路
- 新闻舆情分析的HAN网络选股
- 文本FADT选股
- 分析师共同覆盖因子和图神经网络
- 强化学习初探与DQN择时
- 有序回归
- 深挖分析师共同覆盖中的关联因子
- 勾勒AI语义理解的轨迹
- 再探文本FADT选股