深度学习的输入包括哪些因素?

想了解在进行量化模型开发时,是如何考量市场因素的,如新的政策的颁布,美国市场加息等政策的影响是如何输入到深度学习模型的?非常感谢

参与19

2同行回答

rein07rein07系统架构师某证券
这个没有标准答案,还是要看您怎么看待这些影响因子的,所以说模型很难建立,每个人心中的模型也可能是不一样的。如果是我的话我会将政策划分等级,比如1到5,每个等级有个评判标准,这样,就可以对政策的颁布信息进行量化了,美国市场加息政策也是如此,为什么我们会提到美国加息,就是因为...显示全部

这个没有标准答案,还是要看您怎么看待这些影响因子的,所以说模型很难建立,每个人心中的模型也可能是不一样的。如果是我的话我会将政策划分等级,比如1到5,每个等级有个评判标准,这样,就可以对政策的颁布信息进行量化了,美国市场加息政策也是如此,为什么我们会提到美国加息,就是因为它的权重会比较高,所以当对这个因子量化时,它的权重就会高些。当我们把所有影响因子都数字化之后,就可以输入到深度学习算法中,让他们帮我们训练出模型,供我们未来使用。

收起
证券 · 2018-01-29
浏览2394
  • 对所有的市场政策和资讯进行分级需要大量的人工,还会引入到人工评定的误差,除了打分分级之外,有没有模型可以量化其他非数据型的市场因素?贵公司有没有这方面的尝试?
    2018-01-31
  • rein07  rein07回复 bbuer
    打分无疑是这类数据的最简单的量化计算方法,确实如您所说,需要大量人工工作在里面。考虑将打分变得自动化,可能需要自然语言处理,将这非结构化信息通过自然语言处理框架,输出具体得分,如这个政策是积极还是消极,有多么积极;美国加息也是如此,都可以通过对政策的解读得知当前这个政策对于市场的大致影响值。自然语言处理比较复杂,准确率肯定没那么高。
    2018-01-31
domododomodo其它东方财富证券
对政策进行评估这类问题,主观性太强了,如果走专家打分的路子,那么德尔菲法是相对比较严谨的,但是人工消耗也比较大,另外某些政策/事件可以考虑采用历史打分法,就是看看类似的政策在历史上提出来之后后续的情况,但是这种方法也不是很好,因为环境、阶段、场景都不一样了...显示全部

对政策进行评估这类问题,主观性太强了,如果走专家打分的路子,那么德尔菲法是相对比较严谨的,但是人工消耗也比较大,另外某些政策/事件可以考虑采用历史打分法,就是看看类似的政策在历史上提出来之后后续的情况,但是这种方法也不是很好,因为环境、阶段、场景都不一样了

收起
证券 · 2018-01-31
浏览2314

提问者

bbuer
其它csc

问题来自

问题状态

  • 发布时间:2018-01-26
  • 关注会员:3 人
  • 问题浏览:5113
  • 最近回答:2018-01-31
  • X社区推广