勤奋的懒猫🐱
算法研究员 · 1年经验 · 湖南大学
0
累计接单
0
用户评价
0
被收藏
技术能力
安徽工业大学本科读的是信息管理与信息系统，现在是湖南大学研究生二年级，研究方向是金融工程与资产定价，熟悉Python的Matplitlib、Pandas、Numpy，也熟悉Sklearn、Tensorflow、Pytorch等机器学习和深度学习框架，期间也做国一些量化策略的开发，对数据分析，文本分析、图像识别以及数据可视化比较精通
项目经验
量化策略，在A股50只股票上进行测试，使用“深度强化学习”算法，A2C、DDPG、SAC、PPO等，可以把它当成“智能AI”或者“智能股票交易者”或者“自动交易者”。有一个训练有素的 DRL 代理“ DRL Trader ”，用它交易投资组合中的多只股票。
案例展示
深度强化学习量化策略分析
量化策略，在A股50只股票上进行测试，使用“深度强化学习”算法，A2C、DDPG、SAC、PPO等，可以把它当成“智能AI”或者“智能股票交易者”或者“自动交易者”。有一个训练有素的 DRL 代理“ DRL Trader ”，用它交易投资组合中的多只股票。
机器学习银行贷款违约客户信用分类
这个项目是使用银行贷款数据对客户违约情况进行预测分析，使用机器学习中的决策树，随机森林以及神经网络等基础知识，对客户进行贷款前中后的行为进行进行监控预测分析，帮助银行进行客户身份精准判别。
利用石油新闻数据对石油的收益率和预测分析
对新闻的标题信息使用自然语言处理建立投资者情绪得分后，首先使用GARCH模型研究其对收益和波动的影响，再使用变分模态分解方法处理非平稳时间序列，最后使用长短时记忆神经网络（LSTM）进行预测。研究结果表明该组合方法能够有效提高预测精度，优于计量模型和学习模型，也验证了投资者情绪对
立即沟通
