這兩周飯局酒局不斷，快速補上一些有趣的討論方向和paper標題，主要為量化投資和機器學習，有興趣的朋友也可以參考。
󠀠
1. LLM對財報分析，可以幹掉人類分析師，也能和一些NN的效力持平。
2. 時序分析的異方差、假性回歸和協整(共和分)。
3. 粗糙波動率和分數布朗運動。
4. KNN vs 隨機森林。
5. 可轉債的因子分析。
6. 量化投資與技術分析，我推薦一本書"Trades, Quotes and Prices"
7. 分層捲積學習價格動態。
8. 擴散+Transformer=DiffsFormer.
9. 量化研究員的薪資結構和能力門檻。
10. 某動量反轉因子框架的ICIR和泛化。

11. 動量點火和輪動。
12. 低延遲、上雲、大模型。
13. 雙目標的遺傳規劃。
14. 針對波動率的網路-log-ARCH
15. 選擇權的隱含波動率、流動性和跳躍。
16. ML模型和概念比較，包括線性/logistic/樹/KNN/K means/Naive Bayes/NN/Ensemble..
17. 高頻因子的時序自相關。
18. 量化私募的成長。
19. FED和資產價格。
20. 高頻因子的數據來源/特徵範圍/建構。

21. 金融風險分析的數位對映。
22. 三叉樹。
23. 多股票/高維度的遺傳算法，取代傳統GPlearn。
24. 考慮共變異數穩健性和CVaR的組合優化。
25. 四因子路徑相依波動模型的訂價和修正。
26. 不完全市場的非單調風險厭惡，和相應的凸性風險補償。
27. 深度強化學習和動態資產定價。
28. 優化算法動物園比較，灰狼/麻雀/魚鷹/燕子/蛛蜂/蜂鳥/沙貓/浣熊/白鯊/豺狼/黑寡婦/蜜歡/捲尾猴/變色龍/野馬/野狗/金槍魚/紅尾鷹/蚱蜢/蹬羚/大猩猩...有些聽都沒聽過。
29. Matlab的各種神經網路模型混接，DCS/CNN(QRCNN)/SVM/KDE/GRU(BiGRU)/LSTM(BiLSTM)/TCN(QRTCN)...
30. 強化學習，時序差分算法/DQN/交叉注意力，然後測試PPO/SAC/DDPG，應用為因子生成/投資組合/交易執行層面。

31. 自適應T分布和動態邊界策略改進，復現和視覺化。
32. 私募基金報酬預測，使用多因子模型。
󠀠
當然這些只是淺談和閱讀，我也沒時間每個都深入研究，如果你覺得這些方向有什麼缺陷也可以和我說 :)
󠀠󠀠
󠀠
#狂徒投資
#暴徒投資
#因子投資
#量化投資
#機器學習