本文介绍了RNN和LSTM的原理，以一个可视化实例展示LSTM模型在因子选股方面的应用。

多因子选股作为量化投资研究领域的经典模型，在海内外各类投资机构均受到广泛研究和实践应用。 在多因子模型中，决定策略收益稳健性的关键步骤正在于股票组合的权重配置。因此，从量化对冲策略追求收益稳定性的角度而言，组合权重优化对多因子模型起着至关重要的作用。

在本文中，我们将详细介绍过拟合、如何在模型中识别过拟合，以及如何处理过拟合。

本文是基于StackAbuse的一篇讲解Seaborn的文章 上编写。 附示例及实现代码，可直接前往BigQuant人工智能量化投资平台一键克隆代码进行实践。

近年来，国内量化投资迎来了发展的黄金期，但涉及机器学习的量化投资还比较少。机器学习领域的大神Andrew Ng(吴恩达)老师曾经说过机器学习很大程度上就是特征工程，因此本文主要介绍下特征工程在量化投资领域的应用。

本文来自Euclidean Technologies于2018年发表的一封公开信，主要介绍了机器学习在金融领域中的应用和前景。可供对机器学习感兴趣的朋友学习，对量化投资与人工智能的结合有个初步的了解及认识.

本篇报告详尽地介绍了基于人工智能的阿尔法策略框架，包括基于AI技术在策略研究上的阶段性的工作和成果，并提供完整代码，读者可克隆策略，复现效果和继续改进。

本文为Mehmet Süzen撰写文章的译文，稍有删改。文章清晰地阐释和区分过度拟合及过度拟合等概念，对于本领域学习者正确理解专业术语多有帮助。正如作者在原文末所指出的：对待简单的概念，我们也应抱着积极求学的态度，了解其成立的基础。

本文将为大家构建一个AI驱动的量化投资策略样例，策略用LSTM算法进行择时，StockRanker算法进行选股，并用可视化的方式实现，文末附上策略源码，感兴趣的朋友可以一键克隆进一步研究。

XGBoost 入门

本文基于AI排序算法实现一个指数增强策略样例，并在文末附上实现代码，为大家提供一个参考。

本文为Michael Harris 在欧洲作为邀请嘉宾为高净值客户和交易者所做的一场演讲概要，主题为“人工智能与机器学习将对交易与投资产生的巨大影响”。文章主要从四个方面进行阐释，包括交易、阿尔法策略、技术分析和交易员。

最近为大家整理了一下有关时间序列模型的英文资料，共16个PDF文档。包含了几乎所有的时间序列模型和软件的实践方法，在这里共享给大家： 通过文末的连接可以直接下载。

对于那些认为随机森林是黑匣子算法的人来说，这篇帖子会提供一个不同的观点。接下来，本文将从4个方面去理解随机森林模型。

人工智能（AI）技术得到了飞速发展，其在各个领域的运用也不断取得成果。机器学习被评为人工智能中最能体现人类智慧的技术，因此开发AI量化策略可以理解为将机器学习应用在量化投资领域。本文将介绍一下AI量化策略的主体思路。

本文就小市值策略为例，对比传统策略与AI策略表现差异，来验证传统策略在AI的加持下是否会有性能提升，又会有多大的提升呢。