鐵人檔案
這次的比賽旨在運用Google Cloud Platform (GCP)的服務來架設一套AI程式交易系統。首先要從網路上爬取金融數據，接著根據這些數據製作特徵，進一步分析這些特徵與市場趨勢的關聯。有了資料後，將進行AI模型的建立，利用機器學習技巧預測市場動態。
不同於一般的交易機器人，這次強調論文閱讀的能力。深入研讀相關文獻，了解各種資料處理技術和交易策略，並且將他們的研究過程和策略回測完整地分享給大家。
最後，這套AI程式交易系統將部署於GCP上，展示如何在雲端環境中運行高效、穩定的交易系統。
投資策略常常因為對執行成本的錯誤假設而失敗。 每次交易手續成本（Broker fees per turnover）：每次當你的投資組合進行一次完整的買入和賣...
效率 到目前為止，所有的績效統計都考慮了利潤、損失和成本。在這一節中，我們會考慮到達成這些結果所涉及的風險。 夏普比率（The Sharpe Ratio） 假設...
分類評分 在分類模型中，理解機器學習算法的性能是很重要的，以下我們先用二分類模型討論。一些有用的統計數字包括： 準確性（Accuracy）：準確性是正確標記...
屬性分析的目的是為了將盈虧（PnL）拆分為不同的風險類別。例如，一個企業債券投資組合經理通常希望了解其績效來自於以下哪些風險類別：期限（duration）、信用...
