美国杜兰大学数学硕士,曾就职阿里巴巴高德,任职P7算法专家,精通机器学习、深度学习和迁移学习等;
8年python,5年c++开发经验,精通linux系统,曾领导团队为华尔街客户如富国银行,JP摩根等提供住房抵押债定制分析报告开发工作,官方数据更新后20秒内利用计算机集群完成TB级数据分析并发出报告,为全美最快;
10年matlab使用经验,著有《MATLAB量化金融分析基础与实战》机械工业出版社;
熟悉CPU并行计算和多核多线程原理,具有GPU算法设计及CUDA开发经验,作为核心人员参与"统一量子场论股权定价模型"(美国专利编号6213 5187 7777) 的数学算法设计,并在Linux系统下利用GPU集群进行c++高性能模型实现开发。
1. 用户增长算法:用户短信提醒及LTV模型等的建模,模型实际上线后短信提醒增量单均订单补贴降低一半。LTV模型新用户增长在3倍,老用户增长在5倍。
GBDT(Xgboost和LightGBM)及深度模型在用户增长中的应用;
迁移学习解决局部小样本问题;
2. 司机侧挖掘:
PU Learning解决正样本和无标记数据问题,司机挖掘准确率在97%。
目前自由职业从事股票高频交易,利用深度学习对股票高频时间序列,分钟和tick进行分析。模型捕捉评分高的头部股票进行T+1交易,可实现稳定的超额盈利。
基于LSTM建立的时间序列深度学习模型,用于预测未来一段时间的股票牛市概率,为投资者提供合理的仓位控制依据。