做出最好大模型的 CEO,不认为 Scaling Law 撞墙了

有时候模型的特性、不同模型之间的差异很难通过基准测试体现出来,因为这些特性不完全是能力本身,也可能是「模型更礼貌、更直率、反应敏捷、主动提问」等。RLHF更像是填补了搭建人类和模型之间沟通的鸿沟,就像我们身边总会有一些聪明但不善于表达的人一样,一个聪明的系统如果无法有效沟通也是不行的,RLHF就是在填...

风险平价的理念与国内实践

随着资产数量的增加,风险平价模型的年化收益和夏普比率波动较大,而均值方差模型表现更优。因此,一个更为优化的资产配置思路为:通过风险预算管理控制组合在各类宏观因子上的风险敞口;在每类因子下,利用均值方差模型挑选高夏普比的代表型资产;然后使用风险平价模型确定各宏观因子下的资产权重配比。这样既能在宏观因子层面...

基于收益法的数据资产评估模型构建

[2]同一数据资产在不同的应用场景下,其应用情况、应用前景、应用领域、应用风险都可能有差异,会直接影响到应用该数据资产所带来的收益,产生不同的价值。通常企业发现和创造数据的应用场景能力越强,数量越多,数据资产的价值越大;资产使用主体所拥有的技术水平越尖端、前沿,越能够发掘出数据资产的潜在价值。例如亚马逊,...

马斯克“掀桌子”,AI大模型+自动驾驶会诞生什么?

这里面有两大关键点,一个是端到端,一个是AI大模型。“端到端”是指,一端指输入端,一端指输出端,输入数据的包括摄像头的感知数据、车身的数据等等,中间通过Transformer架构的AI大模型推演之后,最终直接输出到电门、刹车、方向盘。而通过Transformer架构的AI大模型,是在2022年底,特斯拉Autopilot部门的一位工程师向...

华泰| 金工:国内双因子定价模型的构建与应用

相对市场因子的统一性,风格因子的差异性较大,同时内在含义存在一定的差异性,因此我们不对其进行组合,而是分别保留股票宽基指数、行业指数、债券指数和商品指数四类风格因子。在后续的双因子模型实证研究中,我们将使用统一的市场因子和资产所属类别的风格因子,完成模型构筑,例如对于商品类资产,我们的双因子定义为国内统一...

StockFormer:基于Transformer的强化学习模型探究 | 民生金工

本篇研究中用到了SAC强化学习算法,SAC(SoftActor-Critic)算法是一种基于actor-critic框架的深度强化学习方法(www.e993.com)2024年11月26日。相比于传统AC框架,SAC采用软更新(softupdate)策略,即使用指数移动平均(EMA)来更新目标Q网络参数,这种更新方式使得目标Q网络的变化更加平滑,从而提高训练过程的稳定性。SAC模型具体网络结构如下:...

Transformer模型如何颠覆传统供应链 | 从ChatGPT到供应链优化

其次,Transformer模型的另一个关键特性是其并行处理能力。在传统的循环神经网络(RNN)中,信息是按顺序处理的,这限制了模型处理长序列的能力。而Transformer可以并行处理整个序列,这使得它能够更有效地处理长期依赖关系。将这一特性应用到供应链预测中,我们可以同时考虑更长时间跨度的历史数据,而不会因为序列过长而导致信...

【招银研究|资本市场专题】A股战术资产配置策略:五指标定量择时模型

模型设定两种增配/买入情形:第一,多个基本面指标发出看多信号,且技术面不看空;第二,基本面指标虽未好转,但技术面已发出看多信号。其它情形,则均减配/卖出。模型的历史回测显示,自2001年12月起月频交易上证指数,年化收益率达16.85%,胜率65%,赔率1.7倍,夏普比率0.98,23年间仅两年小幅亏损。

阿里云金融创新峰会今日召开,发布业内首份金融大模型指南

AI大模型:人类知识存储、传承和使用方式的一次重构在数字转型时代,大模型为企业提供了前所未有的机遇,使其能够通过高效的数据分析和决策,实现业务流程的智能化、优化客户体验和创新产品服务。从金融行业的智能投顾和欺诈监测,到医疗行业的智能诊断和药物发现,再到零售行业的个性化推荐,大模型的应用正深刻改变着传统行业...

基于波动率目标的信用债券指数增强策略

(二)波动率模型我们介绍三种不同的波动率模型:1.历史波动率模型该模型以收益率的标准差作为风险资产的权重,这种方法的优点是计算简单。2.指数加权平均模型(EWMA)EWMA模型在时序上以指数衰减进行加权,数学形式为:参数λ控制了权重的半衰期。3.GARCH模型...