XiaoMi-AI文件搜索系统
World File Search System交易决策
使用倒数近似动态编程的混合储能系统优化风电厂的交易决策
这是“作者接受的手稿”版本的版本：Finnah，Benedikt /Gönsch，Jochen（2021）使用倒退近似动态编程优化风力发电厂的交易决策。国际生产经济学杂志，238，108155。最终文章版本（记录的版本）可在以下网址获得：https：//doi.org/10.1016/j.ijpe.2021.108155
这一切都是关于文本的：对餐厅预订平台上不一致的评论的实验调查
抽象的消费者生成的评论在建立信任和促进数字平台上的交易方面起着决定性的作用。但是，先前的研究表明了各种问题，例如，只有少数提供评论，伪造评论和不确定的评论的消费者。我们在餐厅预订平台的背景下使用一个实验来研究不一致的评论对消费者交易决策期限的影响。在第二个实验中，我们研究了审查不一致的情况下的审查组件的相对重要性。利用双重过程理论和媒体丰富性理论，我们预测不一致的评论会导致消费者交易决策（H1）所需的更长的时间，并导致用户的交易决策主要基于定性组成部分（H2）。尽管我们没有找到不一致的餐厅评论对交易决策的持续时间不一致的一般支持，但我们发现证据表明，对于不一致的餐厅评论，定性组成部分的极性对于交易决策的持续时间和决策本身至关重要。
中长期混合交易的决定...
摘要：新一轮电改政策的出台使得售电公司交易环境日趋复杂，在中长期市场和现货市场中，遵循新政策导向的交易决策优化是售电公司关注的重点。本研究的主要目标是考虑我国当前电改最新政策对电力交易各主体的影响，提出售电公司在中长期和现货市场对可再生能源电力与常规能源电力混合电力交易进行优化决策的方法，以提高电力市场交易效率，促进可再生能源消纳，助力电力市场与可交易绿色证书市场协同发展。本文首先探讨了新电改政策对电力市场各主体交易的影响，构建了消费者效用函数模型、售电公司利润模型、含储能发电厂利润模型。考虑电力市场各主体之间复杂的电力供需关系，以售电公司综合购电成本最小化为目标，建立中长期市场、现货市场和可交易绿证市场混合交易决策博弈模型。为降低现货价格不确定性带来的决策风险，采用先知模型对现货价格进行预测；最后，通过对售电公司决策模型分析，求解出不同交易时段、不同场景下售电公司的最优交易决策。测试结果表明，所提模型可显著提高售电公司的盈利能力，为售电公司参与中长期市场和现货市场提供决策参考。
Spotlight新闻驱动的定量交易基于轨迹优化
新闻驱动的定量交易（NQT）近年来被广泛研究。大多数存在的NQT方法都是在两步范式中执行的，即首先通过财务预测任务对市场进行分析，然后做出交易决策，这是由于几乎徒劳的预测任务而失败的。为了绕过财务预测任务，在本文中，我们专注于加强基于基于NQT的NQT范式，该范式利用新闻直接做出有利可图的交易决策。在本文中，我们根据决策轨迹优化提出了一种新颖的NQT框架聚光灯，该框架可以有效地将连续且灵活的交易序列拼接在一起，以最大程度地提高利润。此外，我们通过构建聚光灯驱动的状态轨迹来增强此框架，该轨迹遵循由聚光灯新闻引起的不规则突然跳跃的随机过程。此外，为了适应非平稳的金融市场，我们为该框架提出了有效的培训管道，该框架与在线填充进行了预处理融合，以在线交易期间有效地平衡勘探和利用。在三个真实世界数据集上进行的广泛实验证明了我们提出的模型优于最先进的NQT方法。
在整个基于模型的企业中集成支持
“以产品为中心的 O&S 应尽早投入成本，在可靠性、可维护性和可支持性方面进行前期投资。通常，节省成本的最佳机会在武器系统生产和部署之前就已显现。在设计中充分考虑可靠性和可维护性并选择做出深思熟虑的交易决策，将有机会获得巨大的生命周期成本 (LCC) 节省。我们喜欢谈论“前期和早期”，因为理论上 80% 的 O&S 成本是在设计开发期间确定的。”
ECON 4305：经济和...
本课程应用机器学习来解决经济和财务问题，包括住宅物业估值，GDP和衰退预测，默认风险预测，信用卡欺诈检测，投资组合分析，波动性预测和股票交易决策。它将这些问题映射到相关的监督，无监督和强化学习任务中，并引入基本的机器学习方法。学生将通过分析经验数据获得动手实践机器学习经验。
2024.06.11-对冲基金使用人工智能报告.pdf
一、摘要 过去几十年来，私营部门对人工智能 (AI) 的开发和使用急剧增加。更强大的计算能力和更多的数据导致几乎每个行业都使用了人工智能，包括金融服务业。金融服务行业内的成熟投资者（例如对冲基金）长期以来一直使用技术进步来辅助交易。对冲基金在美国管理着超过 5 万亿美元的资产（AUM），自 1990 年代以来一直经历近乎持续的增长，过去十年 AUM 增加了超过 3 万亿美元。然而，近年来，对冲基金越来越多地使用人工智能来为交易决策提供关键信息。金融服务业（尤其是对冲基金）对人工智能的使用和依赖增加，可能给投资者和金融市场带来更大的风险。监管机构已经开始评估这些风险。然而，这项工作还处于起步阶段。尽管美国证券交易委员会（SEC）主席加里·根斯勒（Gary Gensler）曾警告称，未来十年内由人工智能引发的金融危机“几乎不可避免”，但SEC等机构提出的规则尚未最终确定，而且还没有为金融服务领域使用人工智能（特别是为交易决策提供信息）建立跨行业适用的基准标准。
管理投资组合服务防御策略
© 2024 Morningstar。保留所有权利。本文所含信息、数据、分析和意见（“信息”）：（1）包括 Morningstar 及其内容提供商的专有信息；（2）未经特别授权，不得复制或重新分发；（3）不构成投资建议；（4）仅供参考；（5）不保证其完整性、准确性或及时性；（6）可能取自不同日期发布的数据。Morningstar 对与信息或其使用相关的任何交易决策、损害或其他损失概不负责。请在使用信息前核实所有信息，除非得到专业财务顾问的建议，否则请勿做出任何投资决策。过去的表现并不能保证未来的结果。投资的价值和收益可能会下降，也可能会上升。
管理投资组合服务平衡策略
© 2024 Morningstar。保留所有权利。本文所含信息、数据、分析和意见（“信息”）：（1）包括 Morningstar 及其内容提供商的专有信息；（2）未经特别授权，不得复制或重新分发；（3）不构成投资建议；（4）仅供参考；（5）不保证其完整性、准确性或及时性；（6）可能取自不同日期发布的数据。Morningstar 对与信息或其使用相关的任何交易决策、损害或其他损失概不负责。请在使用信息前核实所有信息，除非得到专业财务顾问的建议，否则请勿做出任何投资决策。过去的表现并不能保证未来的结果。投资的价值和收益可能会下降，也可能会上升。