Alpha 是股票預測模型，可生成買入或賣出股票的觸發(fā)器。在這個領域，現有的人工智能方法超越了人類創(chuàng)造的阿爾法。當前的方法僅利用短期特征或非常復雜。

一篇新的研究論文提出了一類新的阿爾法，它結合了現有阿爾法的優(yōu)點。它們具有簡單性和泛化能力，可以使用長期特征。

此外，還提出了一種新穎的 alpha 挖掘框架。它使用進化算法，其中迭代更新種群以生成更好的 alpha。提出了一種修剪冗余阿爾法的優(yōu)化技術來加速阿爾法挖掘。該方法成功地生成了具有弱相關高回報的 alpha。一項使用納斯達克股票價格數據的實驗研究表明，該模型為投資者提供了一種低風險高回報投資的自動解決方案。

Alpha 是捕捉股票市場交易信號的股票預測模型。一組有效的阿爾法可以產生弱相關的高回報以分散風險。現有的 alpha 可以分為兩類： 公式 alpha 是標量特征的簡單代數表達式，因此可以很好地泛化并被挖掘為弱相關集。機器學習 alpha 是基于向量和矩陣特征的數據驅動模型。它們比公式 alpha 更具預測性，但太復雜而無法挖掘到弱相關集。在本文中，我們引入了一類新的 alpha 來對標量、向量和矩陣特征進行建模，這些特征具有這兩個現有類的優(yōu)點。新的 alpha 以高精度預測回報，并且可以挖掘到弱相關集。此外，我們提出了一種基于 AutoML 的新型 alpha 挖掘框架，稱為 AlphaEvolve，以生成新的 alpha。為此，我們首先提出了用于生成新 alpha 并有選擇地注入關系領域知識來建模股票之間關系的運算符。然后，我們通過提出一種冗余 alpha 修剪技術來加速 alpha 挖掘。實驗表明，AlphaEvolve 可以將初始 alpha 演化為具有高回報和弱相關性的新 alpha。

　　免責聲明：本文由用戶上傳，與本網站立場無關。財經信息僅供讀者參考，并不構成投資建議。投資者據此操作，風險自擔。 如有侵權請聯系刪除！