人工智能-》金融科技

时间:2021-05-23 14:57:38

大数据的有效性|–【数据噪音】信噪比 提取有效数据
|– 【快】处理数据

实践:|–业务 【需求】
|– 数据处理【方法】
|–处理的结果【可用】
**大数据的前提要有数据量的基础

FDT 金融创新工厂:风险管理,寻求剥离风险后的收益

系统实现:
A.数据处理【从和角度处理,切取】
|
|—-特征提取
|
|—-模型训练
|
|—-评价系统【标准】 //理论与现实的区别:数据域/边界,数据集
//实际是没有评价标准的,只能是某个场景,定义的最终结果达到的程度。

思维:排序

金融交易员的行为特征度量:交易发生实际 <=> 市场【外部时机】 关系。
学习理论与行为的一致性考验:
FDT 针对特定的时间窗口和波动【双向】
而非宏观的无序,无规则性
理性的交易员追求:持续的,有保证的,细微的盈利;
金融市场需要有流动性<==交易量 ,根据资金量/交易量可以判定某只股票或市场的盈利或活跃度。
最合适的股票–》最合适的交易员! 某一类可把握的股票,某种决策,行为一致性,持续稳定的盈利
FDT特点:训练交易员,学习市场,AI辅助决策模型
问题:少量数据,无有效数据的冷启动,大数据应用。
按照特定需求,做 有效的数据处理,根据经验或一定分析选择数据模型,然后上线系统,不断迭代验证。