墨尔本大学计算机科学与技术专业研究生(AI方向)。能够熟练使用Python进行数据分析和数据建模,处理过的数据格式包括:时间序列、文本、图像等。熟练使用Python爬取网页信息。熟练使用SQL,包括添删改查、建表并表、高级索引等。熟练掌握机器学习、深度学习、强化学习各类算法,以及算法框架。有自主搭建数据结构,以强化学习算法为框架,设计游戏策略的经验。
1)以金融指标构建特征,通过AI算法学习特征分布及属性。以学习的特征为基础,开发交易策略。通过 Meta Trader 5 的量化平台创建了 EA 量化交易脚本,将择时交易策略实现了自动化,采用 Tick 数据将策略进行了回测。回测时间为 2010 年 1 月 1 日至 2021 年 4 月 5 日。投资标的:欧元/美元,杠杆 50 倍,初始资金 1 万美金,十一年年累计净收益 37,098 美元,总收益率371%,年化收益率 33.7%,最大回撤 7.51%。策略修订版回测业绩:十一年累计净盈利 108,228 美元,最大回撤 14.57%,年化收益率 98%。
2)爬虫爬取新股 IPO 招股说明书,对文本进行数据预处理;使用 BERT 预训练模型提取文本特征向量;调用 Pytorch、TensorFlow 的框架对任务进行微调;以文本因子和市场行情因子作为机器学习特征;运用 RNN,LSTM,Text CNN 等算法对模型进行训练,对新股收益率进行预测和分类。
3)根据启发式搜索算法实现了迷宫游戏的路径规划。根据强化学习算法(Approximate Q-learning, 蒙特卡洛树搜索)、设计并实现了桌游的最优执行策略。