金融行业如何搭建企业级深度学习平台实现量化交易等智能应用?

金融行业如何搭建企业级深度学习平台实现量化交易等智能应用?

活动简介

近年来由于计算能力、算法性能和数据规模的指数级增长,深度学习技术取得重大进展。全球知名咨询机构Gartner预测:到2020年,得益于卓越的数据融合能力,深度学习将超过其他机器学习技术大数据分析的主要力量。有观点认为深度学习是目前最有前途的预测性分析技术,可以分析以往机器学习难以应付的数据类型,如图片、语音和视频。

深度学习在金融行业的应用领域非常广泛,量化交易、智能资讯、智能投顾、智能客服、股市预测等方向都给金融企业带来新的机遇和挑战,也可能引发金融行业的一次技术性变革。现在各大金融公司均开始研究并推出自己的深度学习成果,以期在人工智能领域占领一席之地。例如,广发证券深入研究了深度学习在量化投资领域的应用,并发表了系列研究报告;招商证券利用深度学习和自然语义处理技术不断完善智能客服系统,取得了超过传统机器学习的效果;华泰证券布局深度学习,在精准营销、风控和反欺诈等方面做了不少的尝试;中泰证券利用深度学习等技术对客户交易行为进行分析,进一步提高了客户画像和精准营销的效率。

搭建深度学习平台的基础在于有一个稳健的大数据平台,而搭建大数据平台需要掌握的技术非常多,总的来说可以分成几个子平台:采集、存储、数据管理和计算,每个子平台又会由很多组件组成,如何对他们进行有效的管理直接关乎平台的稳定及深度学习的结果优劣。

深度学习重在函数模型的构建,而金融行业有着非常复杂的因素影响模型的生成,如何抽丝剥茧,找出优质特征因子,是一项非常复杂的工作。相信经过长期的积累,深度学习也能在证券行业开枝散叶,助力金融企业的发展。

基于很多金融企业现在在深度学习平台项目的筹备阶段,社区在1月31日组织一场线上行业交流活动,本次交流活动将主要围绕量化交易、股票指数预期场景开展讨论,核心问题包括量化交易等智能应用对IT的要求、技术方案实现思路、企业级深度学习平台的关键技术考量等等。社区将邀请某券商资深架构师李文强和IBM资深技术专家何兵进行经验分享。

嘉宾介绍

李文强   某证券  资深大数据架构师

研究生毕业于东南大学,曾经在某部委直属的研究所工作多年,主要从事大数据方面的研究和应用,对于万亿级结构化和千亿级非结构化数据的存储和查询有良好的实践经验,负责构建过共几十亿节点、千亿级关系的社交关系网络,并基于此网络实现人物标签的构建,现就职于某证券,继续从事大数据平台相关研究和应用工作。


何兵  IBM  大中华区系统事业部资深工程师

熟悉容灾和系统高可用性解决方案,熟悉IBM深度学习平台。

主题资料

分享嘉宾

riverplayriverplay系统工程师, IBM
发布39
回答33
rein07rein07系统架构师, 某证券
发布154
回答130

互动嘉宾

windixwindix商业智能工程师, 蚂蚁金服
发布40
回答15
周光明周光明软件架构设计师, People's Bank of China
擅长数据库架构及数据分析。
发布274
回答119
和气和气技术总监, 中登
发布3
回答0
alexchenalexchen技术经理, 九州证券
发布2
回答0
lxcorangelxcorange软件架构设计师, 某券商
发布53
回答35
blackpaperblackpaper信息技术经理, 信达证券
发布3
回答0
猪笼草猪笼草其它, 东北证券股份有限公司
发布1
回答0
bbuerbbuer其它, csc
发布4
回答2
robertiroberti软件架构设计师, 华泰期货有限公司
发布2
回答0
domododomodo其它, 东方财富证券
发布5
回答2
faiy0000faiy0000信息分析/架构师, csc
发布10
回答8
tian1981_01tian1981_01系统测试工程师, BOC
发布2
回答1
baofyubaofyu软件开发工程师, SWHYSC Company
发布2
回答1

活跃参与会员

  • g3000
  • tangchit
  • cnpmc
  • riverplay
  • lxcorange
  • tian1981_01
  • 解志
  • rein07
  • 时东南
  • topzgm
  • baofyu
  • 田华
  • 王希瑞
  • domodo
  • roberti
  • windix
  • 猪笼草
  • wwwjy1216twt
  • faiy0000
  • bbuer
  • blackpaper
  • 和气
  • qiwei119
  • dytang
  • xueshan2098
  • 800liner
  • aixchina
  • 晓黎
  • yang3518
  • jackyduys
  • scarecrow
  • liulangzhe
  • fight58588
  • danji0522
  • michael1983
  • 苏十一
  • zengjingx
  • faye
  • eversmily
  • yoyodd
  • ktyang
  • mycortex
  • twt社区编辑
  • wuwenpin
  • priest
  • 小号特工
  • SoulYc
  • 彬彬
  • xijiehaiqing
  • 414356153
  • xiaokfy
  • wgsjs
  • micalafei
  • evilada
  • z1zlyz1
  • mornsky
  • luochao1985
  • haizdl
  • oracle12c
  • liumz811
  • lsx
  • Laozhao
  • cysuncn
  • a2717976
  • qq373793057
  • A8B2A6O
  • chanhalo
  • Watermanjessie
  • 素伟
  • liujiacai
  • achlice
  • jurstone
  • wangyunjin
  • Lancer
  • Kimiguo
  • kvill
  • ibmddr
  • xy
  • zhutu
  • cft18
  • Wen Yu Xuan
  • 宋代超人
  • nuaays
  • alexchen
  • cnsdlywei
  • fang_yong
  • fengyun1
  • andrewdi
  • panzilla
  • yespon
  • 王磊磊
  • 哈杜普
  • 姜沫
  • zhuhaiqiang
  • 黎前红
  • wendyz
  • shangfj621
  • ArthurChen
  • kkd123
  • hd000001
  • caoliya3567
  • 冬冬0509
  • 沈公子
  • YTXYGG
  • 周一周二
  • 空谷幽兰
  • cl_dang
  • henrrychen125
  • happyxa
  • wangxp001
  • qq761861
  • abcqh
  • chendada
  • ownyu
  • boriswang
  • linkchen
  • single596
  • redender
  • jyan
  • wan396
  • bjx
  • shomer222
  • hottpost
  • tochanhwang
  • tianyun
  • gary007
  • ccieOracle
  • 于龙
  • fengjian
  • 菜鸟log
  • zc1231
  • wangyongfei
  • sTa
  • pengfei
  • jameswe0104
  • Ralf
  • 麦子2018
  • Shenjiwuhan
  • fonzer
  • xw80329
  • John080314503
  • wuping
  • jiacong
  • twttmp
  • KindGod
  • sk7013
  • 小黄蜂B127
  • popsuper1982
  • gcljs
  • BingSir
  • 等风来
  • ztfuqing
  • yeizisn
  • wzt10086
  • eaglewei
  • hustseven
  • shaou
  • 关于TWT  使用指南  社区专家合作  厂商入驻社区  企业招聘  投诉建议  版权与免责声明  联系我们
    © 2019  talkwithtrend — talk with trend,talk with technologist 京ICP备09031017号-30