遗憾-ML


在机器学习(ML)中,“遗憾”(Regret)是衡量在线学习或强化学习算法性能的重要指标,表示算法累积损失与最优策略之间的差距。以下是近年来的关键研究进展及其应用场景的总结:


1. 在线线性规划与Regret优化

  • 突破性框架:针对在线线性规划问题,研究提出了一种新框架,当线性规划对偶问题满足特定误差边界条件时,一阶学习算法的Regret可突破传统的$\mathcal{O}(\sqrt{T})$限制。在连续支持场景下实现$o(\sqrt{T})$ Regret,而在有限支持场景下达到$\mathcal{O}(\log T)$ Regret,显著优于现有方法。
  • 应用场景:适用于资源分配和...

Read more

逆向思维训练


逆向思维训练旨在帮助人们打破常规思维模式,从相反的角度去思考问题,从而获得新的思路和解决方案。以下是一些常见的逆向思维训练方法及示例:

方法一:反转型逆向思维法

从已知事物的相反方向进行思考,常常从事物的功能、结构、因果关系等三个方面作反向思维。

  • 功能反转:比如传统的烤箱是通过发热管发热来加热食物,是从外向内加热,容易出现外面焦了里面还没熟的情况。有人就反向思考,发明了从食物内部开始加热的微波炉,利用微波使食物中的分子运动产生热量,实现快速均匀加热。
  • 结构反转:一般的汽车都是在地面上行驶的,但有人通过结构反转的思维,设想出了可以在天空中飞行的汽车,将汽车的行驶结构从平面改为立体,从而解...

Read more

AI量化交易


AI量化交易是一种结合人工智能(AI)与量化投资的金融交易方法,通过算法模型分析海量数据、挖掘市场规律,并自动执行交易策略。以下是其核心内容与关键要点:


1. 核心流程

  • 数据收集
    整合多维数据:历史价格、财务指标、新闻舆情、社交媒体情绪、宏观经济数据等。
  • 特征工程
    提取关键指标(如波动率、动量、价量关系),或利用深度学习自动生成特征。
  • 模型构建
  • 传统模型:时间序列分析(ARIMA)、统计套利、均值回归等。
  • AI模型
    • 机器学习:随机森林、梯度提升树(XGBoost/LightGBM)用于预测价格方向。
    • 深度学习:LSTM预测时序数据,CNN捕捉形态模式,强化学...

Read more