金工專題報告：深度學習系列之三，AI因子挖掘的雙路徑實踐與Skill沉淀——從表達式搜索到Agent化研究流程.pdf
- 上傳者：0******
- 時間：2026/06/17
- 熱度：29
- 0人點贊
- 舉報
本報告為東吳證券金工團隊發布的深度學習系列專題報告之三，聚焦于量化投資領域的前沿技術應用。報告深入探討了AI因子挖掘的兩種核心實踐路徑：一是基于表達式搜索的傳統量化因子構建方法，二是基于Agent化研究流程的智能化研究范式。
文檔詳細分析了從表達式搜索到Agent化研究流程的演進邏輯，重點闡述了如何利用深度學習技術提升因子挖掘的效率與深度。報告強調了Skill沉淀在量化研究中的重要性，旨在通過系統化的方法論，將零散的AI應用經驗轉化為可復用的研究能力，從而優化投資策略的構建過程。
核心價值在于為量化投資者提供了一套結合傳統量化邏輯與前沿AI技術的因子挖掘框架，幫助機構在復雜的市場環境中通過技術手段獲取超額收益，體現了金融科技與人工智能在證券研究中的深度融合。
免責聲明：本文 / 資料由用戶個人上傳，平臺僅提供信息存儲服務，如有侵權請聯系刪除。
- 相關標簽
- 相關專題
熱門下載
- 全部熱門
- 本年熱門
- 本季熱門
- 深度學習研究報告：基于Visibility Graph~CNN創新架構的高效股價預測模型.pdf 619 6積分
- 量化專題報告：從增量學習到元學習，深度學習訓練新框架.pdf 452 6積分
- 2024年度專利全景分析：深度學習領域.pdf 344 6積分
- 基于量價與基本面結合的深度學習選股策略.pdf 325 6積分
- 量價時序特征挖掘模型在深度學習因子中的應用.pdf 323 6積分
- 量化研究專題：探索股價動態關聯，捕捉屬性敏感的動量溢出.pdf 281 6積分
- 金工2025年度策略會報告：量化研究如何賦能主動權益.pdf 271 7積分
- 因子選股系列專題報告：Neural ODE，時序動力系統重構下深度學習因子挖掘模型.pdf 257 6積分
- 智慧水務-人工智能深度學習在智慧水利中應用研究--方案聯盟VIP全站免費（zhihui.1-zw.cn）.pptx 230 15積分
- 金融工程量化研究專題報告：基于隱馬爾可夫模型的行業輪動策略，模式識別之狀態匹配.pdf 205 6積分
- 金融工程專題報告：深度學習因子選股體系.pdf 196 6積分
- 基于可微RankIC損失函數的深度學習選股策略——機器學習選股系列研究之一.pdf 175 6積分
- 金工機器學習系列專題報告：多模式合成的GRU深度學習選股因子.pdf 159 6積分
- 深度學習系列之一：在線學習增強選股模型的適應性.pdf 153 4積分
- 權益配置因子研究：基于GRU、TCN模型的深度學習因子選股效果研究.pdf 121 6積分
- 量化研究系列報告：讓情緒“有結構”，大模型如何挖掘研報新價值.pdf 120 6積分
- 深度學習揭秘系列專題報告：AI能否終結人工基本面與高頻因子挖掘.pdf 105 6積分
- 金工深度研究：基于籌碼分層結構的端到端AI因子.pdf 104 3積分
- 市場微觀結構系列（32）：深度學習賦能因子挖掘2.0，綜合應用方案.pdf 96 4積分
- 金融工程專題報告：如何克服因子表現的截面差異，分域訓練在深度學習情景下的嘗試.pdf 69 4積分
- 金工深度研究：基于籌碼分層結構的端到端AI因子.pdf 104 3積分
- 智能體與深度學習：因子投資發展雙范式——海外文獻推薦系列之一百八十九.pdf 56 4積分
- 金融工程：深度學習選股訓練目標的多維優化——深度學習系列之二.pdf 55 5積分
- PitchBook-量化研究：私人資本回報晴雨表.pdf 53 3積分
- 量化研究系列報告之二十六：強化學習視角下的倉位管理，框架構建與實證檢驗.pdf 33 3積分
- 量化研究參考系列之四：金融風洞，用相似歷史行情合成個股收益序列.pdf 30 3積分
- 金工專題報告：深度學習系列之三，AI因子挖掘的雙路徑實踐與Skill沉淀——從表達式搜索到Agent化研究流程.pdf 30 5積分
- 銀河金工組合優化系列報告：時序截面三層深度學習模型預測收益風險信號.pdf 15 12積分
