关于金融的建模

作者:jcmp      发布时间:2021-04-21      浏览量:0
好我本以为那个女生会用另外一个马甲问我的

好我本以为那个女生会用另外一个马甲问我的。算了我讲一下吧

本人硕士学了金融的全栈框架,商务智能师从蔡冠球

1、Byron Choi Homepage

U penn博士,后来到我本科学校做过博士后,他大概一年能100万多Hkd,他老婆年过半百的汤晓鸥那个学校的医生,大概300万hkd.但他老婆很崇拜他,因为智商高吧。

当年我们的主要的工作:微软mdx去做各种运营分析等

2、但我想说的并非这些。

从人工智能的观察法我们去观察建模,第一条,假设汤川秀树的non local field对金融建模Hold。

第二条,由第一条推算第二条,各种金融的参数,隐藏某种关系

第三条,cvpr中MIT的张某曾经发表一篇论文,讲了两者的关系(1.CNN的relu 2.金融等建模的参数中的polynomial关系)。

从densenet到senet我们的general trend就可以描述作yukawa nonlocalization。

cnn各个模块全相连,相互影响。有的参数很小,但仍然没办法忽略,一旦忽略这个cnn的tensorflow ckpt就准确率很低。

简单说你做金融建模的情况下,没办法全盘考虑就做个阈值,断掉那些影响小的参数的关系。但你的建模为什么没那么准确,因为那些小的参数最后全能影响。

犹太人soros有个著名理论,一个股票涨停的过程中遇到很多阻挠,这每个阻挠全会算到跌的参数影响中去。但没受到最后那个跌的因素的侵攻的情况下,这个股票会一直涨,仅仅增速变慢。同理,各种startup发展也会遇到这种情况。一单销售没谈好,没问题,两单,没问题,很多单,就出现了要请人离职的情况。

假设你的建模没办法拟合到股票价格等参数,要么引入曾被忽略但重要的参数,要么建立参数中的联系。我研究neocognitron的本科期间就提出了间隔很大的区域需要全连接的算法建立一个参数关联,当然我没把这些理论发表。你的建模,各种Scala Pandas的量间关系,假设没考虑到,皆可导致建模误差。