KDD‘23 | AlphaMix: 高效专家混合框架(MoE)显著提高上证50选股表现

这篇具有很好参考价值的文章主要介绍了KDD‘23 | AlphaMix: 高效专家混合框架(MoE)显著提高上证50选股表现。希望对大家有所帮助。如果存在错误或未考虑完全的地方,请大家不吝赐教,您也可以点击"举报违法"按钮提交疑问。

KDD'23 | AlphaMix: 高效专家混合框架(MoE)显著提高上证50选股表现

原创 QuantML QuantML 2024-04-18 09:17 上海

Content

本文提出了一个名为AlphaMix的新型三阶段专家混合(Mixture-of-Experts,MoE)框架,旨在模拟现实世界交易公司中高效的自底向上的交易策略设计工作流程,以进行量化投资。

KDD‘23 | AlphaMix: 高效专家混合框架(MoE)显著提高上证50选股表现,量化金融论文,量化金融,金融

主要贡献

  • 提出了AlphaMix,这是首个针对量化投资的专家混合框架。

  • 在真实世界数据上进行了实验,证明了AlphaMix在多个财务标准上显著优于11个现有的最先进基线方法。

模型概述

AlphaMix框架分为三个阶段:

第一阶段:高效的集成学习方法
  • 利用个性化的市场理解和交易风格来训练多组交易专家。

  • 通过两个可训练的向量(代表市场理解和交易风格)生成独立的秩一矩阵,并通过哈达玛德积(Hadamard product)生成集成权重

  • KDD‘23 | AlphaMix: 高效专家混合框架(MoE)显著提高上证50选股表现,量化金融论文,量化金融,金融

第二阶段:构建多样化的交易专家池
  • 通过利用神经网络的超参数层面和初始化层面的多样性,构建一个多样化的交易专家池。

  • 使用随机搜索和顶级集成选择方法来增加模型的多样性。

第三阶段:动态选择专家
  • 设计了三种不同的机制来动态选择专家池中的专家,这些专家负责投资组合经理的职责:

    1. 按需路由器(As-needed router)

      KDD‘23 | AlphaMix: 高效专家混合框架(MoE)显著提高上证50选股表现,量化金融论文,量化金融,金融

    2. 有放回选择(With-replacement selection)

    3. 集成专家汤(Integrated expert soup)

实验

  • 在美国和中国的股票市场上进行了广泛的实验,以评估AlphaMix的性能。

  • 使用了两个真实世界的数据集:ACL18(美国股票)和SZ50(中国股票)。

  • 根据7个流行的财务标准进行评估,包括总回报率、波动性、下行偏差、最大回撤、夏普比率、卡玛比率和索提诺比率。

结果

  • AlphaMix在多个财务标准上显著优于多个现有的基线方法,包括RNN、NRNN、BDT和集成学习方法。

  • 通过消融研究展示了AlphaMix各个组成部分的有效性。

  • KDD‘23 | AlphaMix: 高效专家混合框架(MoE)显著提高上证50选股表现,量化金融论文,量化金融,金融

  • KDD‘23 | AlphaMix: 高效专家混合框架(MoE)显著提高上证50选股表现,量化金融论文,量化金融,金融

计算成本

  • AlphaMix是一个高效的集成方法,解决了传统集成方法的高计算成本问题。

  • 与DeepEns和HyperEns相比,AlphaMix在计算成本上具有显著优势。

多样性分析

  • 使用预测不一致性指标来评估模型的多样性。

  • AlphaMix通过利用超参数和初始化的多样性,展现了比其他基线更好的多样性。

不确定性减少

  • 展示了单一神经网络对随机种子的敏感性和高不确定性,而AlphaMix通过专家混合来解决这一问题。

参数分析

  • 分析了AlphaMix在不同数量的选定股票和专家数量下的表现。

结论

AlphaMix通过模仿现实世界交易公司的工作流程,提出了一个高效的专家混合框架,用于量化投资。通过在两个国家的股票市场上的广泛实验,证明了AlphaMix在多个财务标准上的性能优势。

这篇论文的内容非常丰富,涵盖了量化投资的多个方面,包括模型设计、实验评估和参数分析。AlphaMix模型特别关注于通过集成学习和专家混合来提高投资决策的稳定性和性能。文章来源地址https://www.toymoban.com/news/detail-855912.html

到了这里,关于KDD‘23 | AlphaMix: 高效专家混合框架(MoE)显著提高上证50选股表现的文章就介绍完了。如果您还想了解更多内容,请在右上角搜索TOY模板网以前的文章或继续浏览下面的相关文章,希望大家以后多多支持TOY模板网!

本文来自互联网用户投稿,该文观点仅代表作者本人,不代表本站立场。本站仅提供信息存储空间服务,不拥有所有权,不承担相关法律责任。如若转载,请注明出处: 如若内容造成侵权/违法违规/事实不符,请点击违法举报进行投诉反馈,一经查实,立即删除!

领支付宝红包 赞助服务器费用

相关文章

  • Call for Papers丨第三届GLB@KDD‘23 Workshop

    鉴于介绍新数据集和Benchmark研究往往需要不同于常规论文的评审标准,计算机视觉和自然语言处理领域,以及最近的NeurIPS会议,都有专门致力于建立新Benchmark数据集和任务的Conference Track。然而在图机器学习领域,我们还没有类似的发表渠道。 Workshop on Graph Learning Benchmarks(

    2024年02月04日
    浏览(41)
  • ChatGPT 混合专家模型

    业内人士近日对 OpenAI 今年 3 月发布的 GPT-4 大模型进行了大揭秘,具体而言,GPT-4 使用了 16 个混合专家模型 (mixture of experts),每个有 1110 亿个参数,每次前向传递路由经过两个专家模型。 什么是混合专家模型? 混合专家模型是一种组合多个专家模型的方法,旨在通过利用每

    2024年02月16日
    浏览(34)
  • 【译】稀疏混合专家模型的崛起: Switch Transformers

    原作:   塞缪尔·弗兰德 引言:为最强大的语言模型铺平道路的核心技术   使用 Dall-E 生成的图像 稀疏混合专家模型 (MoE) 已成为最新一代 LLMs 的核心技术,例如 OpenAI 的 GPT-4、Mistral AI 的 Mixtral-8x7 等。简而言之,稀疏MoE是一种非常强大的技术,因为理论上,它允许我们以

    2024年02月20日
    浏览(32)
  • 谷歌Bard更新中文支持;GPT-4:1.8万亿参数、混合专家模型揭秘; Meta推出商用版本AI模型

    🦉 AI新闻 🚀 谷歌的AI聊天工具Bard更新,增加中文支持 摘要 :谷歌的AI聊天工具Bard新增中文环境,用户可以使用简体和繁体中文进行交流。然而,与竞品相比,Bard的回复略显生硬,语义理解还有待提升。此外,谷歌还更新了Bard的日志页面,新增了40多种语言支持,并增加了

    2024年02月16日
    浏览(39)
  • 高效管理版本控制,Cornerstone 4 for Mac助您成为SVN专家

    在软件开发和团队合作中,版本控制是一个至关重要的环节。为了帮助开发者更加高效地管理和控制代码版本,Cornerstone 4 for Mac应运而生。作为一款功能强大的SVN(Subversion)管理工具,Cornerstone 4 for Mac为Mac用户提供了一站式的版本控制解决方案,助您成为SVN专家。 首先,C

    2024年02月03日
    浏览(41)
  • 【在手机上使用相机融合的高效混合变焦】

    摘要: 单反相机可以通过改变镜头距离或交换镜头类型来实现多个变焦级别。然而,由于空间限制,这些技术在智能手机设备上是不可能的。大多数智能手机制造商都采用混合变焦系统:通常是低变焦级别的宽(W)相机和高变焦级别的电话(T)相机。为了模拟W和T之间的缩

    2024年01月19日
    浏览(33)
  • 一个小妙招从Prompt菜鸟秒变专家!加州大学提出PromptAgent,帮你高效使用ChatGPT!

     夕小瑶科技说 原创  作者 | 谢年年、王二狗 有了ChatGPT、GPT4之后,我们的工作学习效率得到大大提升(特别在凑字数方面୧(๑•̀◡•́๑)૭)。 作为一个工具,有人觉得好用,自然也有人觉得难用。 要把大模型用得6,必须得研究一下prompt使用技巧,但有时候绞尽脑汁想

    2024年02月06日
    浏览(35)
  • YOLOv8改进 | 注意力篇 | ACmix自注意力与卷积混合模型(提高FPS+检测效率)

    本文给大家带来的改进机制是 ACmix自注意力机制的改进版本 ,它的核心思想是,传统卷积操作和自注意力模块的大部分计算都可以通过1x1的卷积来实现。ACmix首先使用1x1卷积对输入特征图进行投影,生成一组中间特征,然后根据不同的范式,即自注意力和卷积方式,分别重用

    2024年02月03日
    浏览(49)
  • 【 “高效学习法:如何提高学习效率并取得更好的成果“】

    一、学习方法分享 学习是人类进步的基石,而学习方法则是成功的关键之一。下面分享几种高效的学习方法。 认真阅读、笔记和思考 这是最基本的学习方法。在阅读资料时,不仅要注意到主要内容,还要注意到细节;在笔记中做总结,可以帮助巩固所学的内容。同时也要慢

    2024年02月05日
    浏览(49)
  • 高效Python-1提高数据处理效率的迫切需要

    本章包括 处理指数级增长的数据所面临的挑战 传统计算架构与最新计算架构的比较 Python在现代数据分析中的作用和不足 提供高效Python计算解决方案的技术 我们一直在以极快的速度从各种来源收集海量数据。无论目前是否有使用价值,这些数据都会被收集起来。无论是否有

    2024年02月15日
    浏览(43)

觉得文章有用就打赏一下文章作者

支付宝扫一扫打赏

博客赞助

微信扫一扫打赏

请作者喝杯咖啡吧~博客赞助

支付宝扫一扫领取红包,优惠每天领

二维码1

领取红包

二维码2

领红包