你可能感兴趣的资源
华泰证券-人工智能选股之循环神经网络模型
神经网络是近年来迅猛发展的人工智能的核心技术，本篇报告选取具有时
间序列预测能力的循环神经网络作为研究对象，对传统RNN、LSTM、GRU
三种循环神经网络模型进行系统性的测试。在月频的多因子选股方面，循
环神经网络具有出色的样本外预测平均正确率，但是样本外平均AUC 值表
现一般。神经网络在年化超额收益率、信息比率上优于线性回归算法，但
是最大回撤普遍大于线性回归算法。在目前测试的所有神经网络模型中，
LSTM 表现最好，GRU 的表现和LSTM 相近
人工智能选股之循环神经网络模型.
人工智能，rnn，股票，因子，华泰人工智能系列之九-人工智能选股之循环神经网络模型.，华泰人工智能系列之九-人工智能选股之循环神经网络模型.
微软人工智能AI量化投资平台Qlib技术教程
微软研究院最新发布的融合了各种机器学习算法的人工智能量化投资平台Qlib，可以用来进行量化机器学习和交易策略回测。
从应用层来看，它主要包括数据、机器学习和策略回测松耦合的三大块（每块可以独立）。本系列课程将详细介绍其使用方法。包括：1 如何下载和检索行情数据2 如何利用行情数据，使用各种机器学习方法进行模型训练和预测3 如何基于行情数据和预测结果编制交易策略进行回测4 如何进行预测与回测结果评价5 如何定义因子库
6 如何查询因子库数据7 实验工作流裁剪8 提供源码可以将Qlib的机器学习和另一个更加成熟的基于python的开源量化回测框架backtrader一起使用。关于backtrader技术教程，可搜索扫地僧backtrader给力教程
Qlib是一个面向AI的量化投资平台-Python开发
Qlib是一个面向AI的量化投资平台，旨在实现潜力，增强研究能力并创造AI技术在量化投资中的价值。
Qlib是一个面向AI的量化投资平台，旨在实现潜力，增强研究能力并创造AI技术在量化投资中的价值。
借助Qlib，您可以轻松地应用自己喜欢的模型来创建更好的量化投资策略。
Qlib框架快速入门安装使用估算器获取数据自动定量研究工作流通过代码自定义定量研究工作流有关Qlib的更多信息脱机模式和在线模式Qlib Data Serv的性能
qLib:SideFX Houdini的过程资产库。 https
图书馆
SideFX Houdini的过程资产库。
在此处下载最新版本： ：
qLib是SideFX的Houdini的数字资产库。 它是旨在与Houdini的本机工具集完美协作的工具集合。 它由实际的生产环境驱动（并在实际的生产环境中使用），但与此同时，它完全尊重并符合所有重要的Houdini概念。
重点强调以下内容：
向后兼容：旧场景不会随着时间推移而中断
性能：我们尽可能争取VEX /多线程
可用性：我们的工具会尽量避免“内部”外观
qLib是根据获得许可的开源软件。 它是由多家电影公司的VFX专业人士开发的，这些电影公司从事故事片，游戏电影和广告业务。
几何属性和组的生成，操纵和可视化
边界几何的生成和处理
通过通用的变形器框架实现的完整变形器套件
重新实现了某些原始Houdini OP的高性能版本
工作流程相关工具
大量图库项目（节点和子网预设）
GCN_ADV_Train：图神经网络的对抗训练
基于优化的GNN攻防
在这项工作中，我们首先提出一种新颖的基于梯度的图神经网络（GNN）攻击方法，该方法可简化处理离散图数据的难度。 与当前对GNN的对抗性攻击相比，结果表明，仅对少量的边缘扰动（包括添加和删除）进行扰动，我们基于优化的攻击会导致分类性能显着下降。 此外，利用我们基于梯度的攻击，我们提出了针对GNN的第一个基于优化的对抗训练。
引用这项工作：
徐凯迪*，陈洪格*，刘思佳，陈品宇，翁翠薇，洪明义和林雪， ，IJCAI 2019。（*平等贡献）
@inproceedings{xu2019topology,
