CNN
"CNN"（卷积神经网络），是一种具有巨大价值的深度学习技术。其图像和数据处理能力，使得金融市场分析、风险评估以及投资策略制定等方面得以显著提升。CNN能有效识别并学习金融市场中的复杂模式，如股票价格变动、市场情绪波动等，为金融决策提供强有力的数据支持。此外，CNN在算法交易、信用评分、欺诈检测等金融应用中也展现出无可比拟的优势，通过自动学习和优化交易策略，实现更精准快速的交易执行，提升金融业务的效率和智能化水平。总的来说，CNN是推动金融行业创新发展的重要工具。
DNN和CNN模型因子表现对比
问题
user3558B+可以做一期关于DNN跟CNN在短线因子跟长中线因子讲解吗？
策略源码
短周期
https://bigquant.com/experimentshare/d3a4560c6c0e4b4683c23c3ffff1315e
长周期
[https://bigquant.com/experimentshare/12338701162d46f0a801d9be76bf895a](https://bigquant.
更新时间：2024-06-07 10:55
DNN和CNN正则化参数调整问题
问题
DNN和CNN正则化参数是否可以只调L2的kernal_regularizer参数，其他参数是否需要调整？ 是否从0.0001开始调，往大还是往小调？
视频
https://www.bilibili.com/video/BV1aQ4y1U7ua?share_source=copy_web
策略源码
[https://bigquant.com/experimentshare/e3a8039885734d5ea0fabe7c6e
更新时间：2024-06-07 10:55
DNN-AI选股：深度学习的学习率调整
2021年8月5日Meetup问题：深度学习的学习率在哪里可以调整，训练集和测试集的loss如何打印到一张图上，early_stop如何设置？深度学习的权值初始化方法对结果影响很大，能否做个全面介绍，CNN,lstm,mlp一般试用哪种初始化方法。lstm或者cnn后面接的mlp一般用几层为好？mlp的神经元数量一般要相较输入层扩充几倍？
[https://bigquant.com/experimentshare/c0853836ac224f7ab02c97acce9f973f](https://bigquant.com/experimentshare/c0853836ac224f7ab02
更新时间：2024-06-07 10:55
DNN-AI选股：深度学习的学习率调整
更新
本文内容对应旧版平台与旧版资源，其内容不再适合最新版平台，请查看新版平台的使用说明
新版量化开发IDE（AIStudio）：
https://bigquant.com/wiki/doc/aistudio-aiide-NzAjgKapzW
新版模版策略：
https://bigquant.com/wiki/doc/demos-ecdRvuM1TU
新版数据平
更新时间：2024-06-07 10:55
LSTM+CNN深度学习预测股价
旧版声明
本文为旧版实现，仅供学习参考。
https://bigquant.com/wiki/doc/demos-ecdRvuM1TU
策略案例
https://bigquant.com/experimentshare/c13d6baefe5d4c75bb87eea9364b0f75
\
更新时间：2024-06-07 10:55
CNN正则化参数调整
更新时间：2024-06-07 10:55
Tensorflow第三讲 - 深入MNIST（CNN）
构建一个多层卷积网络 CNN
在MNIST上只有91%正确率，实在太糟糕。在这个小节里，我们用一个稍微复杂的模型：卷积神经网络来改善效果。这会达到大概99.2%的准确率。虽然不是最高，但是还是比较让人满意。
卷积层
卷积层（Convolutional layer），卷积神经网路中每层卷积层由若干卷积单元组成，每个卷积单元的参数都是通过反向传播算法优化得到的。卷积运算的目的是提取输入的不同特征，第一层卷积层可能只能提取一些低级的特征如边缘、线条和角等层级，更多层的网络能从低级特征中迭代提取更复杂的特征。
线性整流层
线性整流层（Rectified Linea
更新时间：2024-05-20 02:09
基于一维CNN模型的智能选股策略
导语
这是本系列专题研究的第四篇：基于卷积神经网络CNN的深度学习因子选股模型。卷积神经网络（Convolutional Neural Network, CNN），是计算机视觉研究和应用领域中最具影响力的模型之一。同样，如果将时间看作一个空间维度，类似于二维图像的高度或宽度，CNN也可以对时间序列处理产生令人惊喜的效果。本文首先大致介绍了CNN的原理，然后详细解释了一维CNN模型如何进行应用于时间序列并进行特征选取，最后以一个实
更新时间：2024-05-20 02:09
深度学习前沿 | 利用GAN预测股价走势
导语
本文是对于medium上Boris博主的一篇文章的学习笔记，这篇文章中利用了生成对抗性网络（GAN）预测股票价格的变动，其中长短期记忆网络LSTM是生成器，卷积神经网络CNN是鉴别器，使用贝叶斯优化（以及高斯过程）和深度强化学习（DRL）优化模型中超参数。此外，文章中非常完整地实现了从特征抽取、模型建立、参数优化、实现预测的过程，其中运用了多种机器学习方法，比如BERT进行文本情绪分析、傅里叶变换提取总体趋势、autoencoder识别高级特征、XGboost实现特征重要性排序等。本文学习的思路是：GAN算法概览 – 项目思路 – 项目详解。拟在学习完成后，在Bigquant平台
更新时间：2024-05-20 02:09
【参赛】Deep Alpha-CNN卷积神经网络调参
更新
本文内容对应旧版平台与旧版资源，其内容不再适合最新版平台，请查看新版平台的使用说明
新版量化开发IDE（AIStudio）：
https://bigquant.com/wiki/doc/aistudio-aiide-NzAjgKapzW
新版模版策略：
https://bigquant.com/wiki/doc/demos-ecdRvuM1TU
新版数据平
更新时间：2024-05-17 10:30
DeepAlpha短周期因子系列研究之：CNN在量化选股中的应用
更新
本文内容对应旧版平台与旧版资源，其内容不再适合最新版平台，请查看新版平台的使用说明
新版量化开发IDE（AIStudio）：
https://bigquant.com/wiki/doc/aistudio-aiide-NzAjgKapzW
新版模版策略：
https://bigquant.com/wiki/doc/demos-ecdRvuM1TU
新版数据平
更新时间：2024-05-17 06:49
lstm+cnn+A股去ST+大盘风控
更新
本文内容对应旧版平台与旧版资源，其内容不再适合最新版平台，请查看新版平台的使用说明
新版量化开发IDE（AIStudio）：
https://bigquant.com/wiki/doc/aistudio-aiide-NzAjgKapzW
新版模版策略：
https://bigquant.com/wiki/doc/demos-ecdRvuM1TU
新版数据平
更新时间：2024-05-17 03:48
机器学习：16-CNN
- 运行环境：AIStudio 3.0
- 策略说明：==本代码以教学目的为主，请自行调参==
\
策略源码：
{{membership}}
https://bigquant.com/codeshare/ccbddd56-eddd-4a7f-95e2-88e8a0432a3d
\
更新时间：2024-04-25 07:40
怎么知道cnn模型ai训练看到的数据是怎么样的
更新时间：2024-02-01 15:49
利用CNN对股票“图片”进行涨跌分类——一次尝试
首先解释一下标题： CNN：卷积神经网络（Convolutional Neural Network）, 在图像处理方面有出色表现，不是被川普怒怼的那个新闻网站； 股票涨跌：大家都懂的，呵呵； 股票图片：既然使用CNN，那么如果输入数据是股票某个周期的K线图片就太好了。当然，本文中使用的图片并不是在看盘软件上一张一张截下来的，而是利用OHLC数据“画”出来的； 尝试：这个词委婉一点说就是“一个很好的想法^_^"，比较直白的说法是“没啥效果T_T”。
进入正题： 首先是画出图片。本文目前是仿照柱线图画的。 
摘要
越深的神经网络训练起来越困难。本文展示了一种残差学习框架，能够简化使那些非常深的网络的训练，该框架使得层能根据其
更新时间：2021-11-30 08:30