#GTC22#
随着 AI 的快速发展，量化投研的工作模式逐渐从人工研判走向全链条的“大数据+ AI 算法”的自动化方案。但 AI 模型的学习过程往往忽略了目标和数据之间因果关系与可解释性，这种“黑箱”操作让人难以理解它的运作方式。如何打开“黑箱”，为投资策略带来更多的可解释性？
9 月 21 日下午两点，来 GTC，聆听由中国量化对冲基金之一 首席研究员、 AI 实验室负责人 Bryan Dai 带来的精彩分享——“人工智能在量化中的应用：可解释 AI”。
Bryan Dai 在演讲中将向您展现 AI 算法在量化投研中的典型应用，并重点介绍“可解释性 AI 技术”在量化投资研究中的实际应用及案例。通过引入 AI 可解释技术，在数据层面，网络构造层面，以及决策层面引入可解释的约束，并通过可视化、数据挖掘、逻辑推理、知识图谱等技术，透明化模型构建和推理过程，使 AI 模型呈现一定的可解释性，以满足量化投资过程中对收益的归因和投资风险的控制。
会议详情
人工智能在量化中的应用：可解释 AI
会议代码：［］
会议时间：9 月 21 日，星期三，2:00 PM – 2:50 PM
讲师简介
Bryan Dai 担任中国量化对冲基金之一—— AI Lab 负责人。
Bryan 管理的 AI Lab，专注于机器学习/深度学习在股票回报预测和投资组合优化中的应用。此前，他拥有丰富的搜索、推荐和 NLP 领域的算法及架构经验。Bryan 拥有电子科学研究院计算机科学硕士学位和上海交通大学电子工程和应用数学学士学位。
扫描下方海报二维码，或复制链接至浏览器，即刻注册 GTC 22，将感兴趣的内容加入日程！
#//
相关文章
