1樓：GorgeousShar
據我所知，兩年前就有人做量化投資方面的交易了，但是收益嘛。
因為資料一般是波段操作，這就導致了目前需要進行一些監督，並且演算法有限，現在還有些距離，個人期待AutoML能夠解決這個問題
2樓：gutu Granth
瀉藥, 反洗錢反欺詐領域有很大的運用, NLP 之類演算法在這方面應用很廣. 畢竟這方面不需要演算法模型有很大的解釋能力
還有乙個就是retail credit 方面, 其實機器學習已經使用好多年了, fico score 之類很多年以前就使用神經網路之類演算法. 這方面模型本身也可以看做機器學習的乙個拓展, 很多信貸模型依賴於多變數的邏輯回歸, 可以看為乙個拓展.
個人觀點是和信貸相關應用很廣, 畢竟人的消費習慣其實變化不大. 市場交易方面就有待進一步觀察了, 畢竟市場變化速度太快. 而且用機器學習演算法做出的模型, 如何有解釋能力是個問題, 特別在於使用者或者監管部門或者領導人員來自經濟金融背景, 模型能否有直觀的解讀很重要.
同時值得一提的是, 演算法雖然重要, 但是對於資料本身的解讀恐怕更加重要吧……還有很多情況下是否有可用的資料也是個挑戰
3樓：
19年的一篇關於神經網路做定價和對沖的綜述Neural Networks for Option Pricing and Hedging: A Literature Review
上文作者前幾天剛出的文章，把神經網路批判了一番Hedging with Neural Networks
強化學習相比深度學習有什麼優勢嗎？
Noel 如果是有監督的深度學習，它的流程一般是借助深度網路 大量有標籤資料完成深層特徵提取，進而把這些特徵用在資料分類，特徵遷移，機器翻譯等等領域。強化學習涉及的面非常廣，比較被人所熟知的工作就是用神經網路做自動控制。可以基於策略，也可以基於價值。比如使用DQN 值函式近似 做決策來自動玩雅達利遊...
深度學習和強化學習之間的差別有多大？
首先說一點，深度強化學習並不深，網路通常都挺淺的。通常講，使用神經網路模型提取特徵，採用梯度下降 上公升 優化引數的都稱為深度學習。強化學習則不固定模型，不固定優化方法，你可以用Q表模型，也可以用演化計算優化引數，一般來講環境有狀態空間，動作空間，獎勵函式，狀態轉移函式，而且智慧型體在環境中能感知，...
用什麼辦法可以利用深度學習或強化學習解決多目標優化問題？
Implicit Regularization in Deep Matrix Factorization arxiv 1905.13655 寶珠道人 根據題主的問題描述，我的理解其實是題主想知道怎麼用深度學習或者強化學習求解多目標的問題。而不是已有答主所側重的優化問題。令人開心的是，2017年，Ne...