XiaoMi-AI文件搜索系统
World File Search System股票交易
操纵城堡：以零售股票交易商的做市商为代价获利
关于操纵弊端的通常的言论强调了它的不公平和价格扭曲。但是，本文得出的结论是，旨在从内部化的人那里获利的策略没有引发任何严重的公平问题。同样令人惊讶的是，它得出结论，如果这些策略是自由发生的，它们可能会直接提高价格准确性。但是，这种影响在社会上比这种实践对流动性的负面影响更有价值。当人们添加从事这些策略和内部化的贸易商所消耗的资源以保护它们的资源时，这种负面的社会福利评估变得更加大得多，否则可以使用这些资源来为社会生产有价值的商品和服务。
人工智能在股票交易中的应用
人工智能在股票交易中的应用 Emon Kalyan Chowdhury 博士 副教授 孟加拉国吉大港独立大学 CIU 商学院 摘要 人工智能 (AI) 意味着在机器中模仿人类智能，这些机器被编程为像人类一样思考并复制其行为。股票交易意味着买卖某个公司的股票。基于人工智能的股票交易是指使用被编程为像人类一样行动的技术来买卖股票，以确保更高的准确性和速度。基于人工智能的设备已经被用于预测股市趋势。人工智能不仅可以分析股市数据，还可以预测股市趋势、投资者、股票经纪人和市场的交易模式。高盛和摩根士丹利等华尔街知名公司已经开始通过数据挖掘、自然语言处理和使用自学习算法工具来专注于狭义的人工智能解决方案，这些工具的交互速度比我们日常使用的应用程序（如 Android 的 Google Assistant、亚马逊的 Alexa 和苹果的 Siri）更快。它还可以帮助财富管理公司持续控制股市走势，并重新平衡投资组合以确保目标利润。目前，人工智能可以通过执行多项任务和提供实时建议来减少工作量并节省时间，但它不能完全消除人工参与。
股票交易进化策略的元学习
元学习算法可以了解学习过程本身，因此它可以用更少的数据和迭代次数加速后续类似的学习任务。如果能够实现，这些好处将把传统机器学习的灵活性扩展到时间窗口或数据可用的领域。股票交易就是这样一个领域，随着时间的推移，数据的相关性会降低，需要在更少的数据点上快速获得结果以应对快速变化的市场趋势。据我们所知，我们是第一个将元学习算法应用于股票交易的进化策略的人，通过使用更少的迭代次数来减少学习时间，并用更少的数据点获得更高的交易利润。我们发现，我们的股票交易元学习方法获得的利润与纯进化算法相似。但是，它在测试期间只需要 50 次迭代，而没有元学习通常需要数千次，或者在测试期间需要 50% 的训练数据。