亿酷棋牌世界官方下载-娱乐休闲棋牌游戏

學術交流
位置: 首頁 > 學術交流 > 正文

安波: Deep Reinforcement Learning for Quantitative Trading

時間:2024-04-30來源:管理學院

報告時間:2024年5月6日(星期一)11:00-12:00

報告地點:工程管理與智能制造研究中心會議樓第二學術報告廳

:安波 教授

工作單位:新加坡南洋理工大學

舉辦單位:管理學院

報告簡介

In the last decade, we have witnessed a significant development of AI-powered quantitative trading (QT). Traditional AI-powered QT methods discover trading opportunities based on either heuristic rules or financial prediction. However, due to the high volatility and noisy nature of financial market, their performance is not stable and highly reply on the market condition. Recently, reinforcement learning (RL) becomes an appealing approach for QT tasks owing to its stellar performance on solving complex decision-making problems. This talk will discuss some recent research progress in RL for QT and future directions.

報告人簡介

安波,新加坡南洋理工大學校長講席教授和南洋理工大學人工智能研究院聯席院長,主要研究領域包括人工智能、多智能體系統、算法博弈論、強化學習、及優化。有150余篇論文發表在人工智能領域的國際頂級會議以及著名學術期刊。曾獲2010IFAAMAS杰出博士論文獎、2011年美國海岸警衛隊的卓越運營獎、2012AAMAS最佳應用論文獎、2016年IAAI創新應用論文獎,2020DAI最佳論文獎,2012年美國運籌學和管理學研究協會(INFORMS)Daniel H. Wagner杰出運籌學應用獎,2018年南洋青年研究獎、以及2022年南洋研究獎等榮譽。

關閉

聯系我們:安徽省合肥市屯溪路193號(230009)  郵編:230009

Copyright ? 2019 合肥工業大學    皖公網安備 34011102000080號 皖ICP備05018251號-1  

本網站推薦1920*1080分辨率瀏覽

百家乐官网不能视频| 大发888官网 平台| 合肥百家乐赌博机| 彭山县| 百家乐视频游戏冲值| 烟台市| 百家乐赌场破解方法| 澳门百家乐官网娱乐城开户| 新东方百家乐的玩法技巧和规则| 百家乐官网是如何出千的| 百家乐桌保险| 鲨鱼百家乐官网游戏平台| 菲律宾百家乐娱乐平台| 百家乐官网书籍| 大发888娱乐城 qq服务| 网址百家乐官网的玩法技巧和规则| 大发888df登录| 赌博百家乐赢不了| 优博百家乐官网现金网| 真人百家乐体验金| 布加迪百家乐官网的玩法技巧和规则 | 时时博百家乐官网娱乐城| 大发888体育官网| 百家乐技巧-百家乐开户指定代理网址| 嬴澳门百家乐官网的公式| 大发888赌博| 视频百家乐游戏| 网上百家乐官网大赢家| 皇冠在线投注网| 网络百家乐官网软件真假| 前郭尔| 大发888赌城| 代理百家乐试玩| 百家乐天下第一缆| 欧洲百家乐官网的玩法技巧和规则| 天猫国际娱乐城| 大发888游戏大厅下载| 百家乐分析下载| 连环百家乐官网的玩法技巧和规则| 永利高百家乐官网现金网| 大发888娱乐城 下载|