
在线研讨会
运用IPU加速金融预测模型
了解如何更快地运行新的价格预测模型
合作伙伴:
多期预测使定量分析师能够准确预测股票价格随时间的变化。与关注未来某个预定义时刻不同,多期预测分析了一系列区间内的价格变动。这导致了对未来股市价格走势的长期预测和更深入的洞察。然而,由于对CPU和GPU的培训缓慢,这种方法目前还没有在工业上得到广泛应用。
不过在不久前,牛津大学-英仕曼研究院的研究人员使用IPU进行股价预测时,在高频回测数据中实现了80%的准确率。此项研究表明,IPU技术有助于解决多期预测模型训练缓慢的问题,在多期财务预测方面,其性能比GPU快10倍。
在本次网络研讨会上,我们有幸邀请到了这项研究项目的主要负责人,牛津大学博士后研究员张子豪博士。他将介绍牛津—英仕曼量化金融研究院(Oxford Man Institute of Quantitative Finance)的新研究,并探讨目前国内国外对量化金融研究的设想和趋势。
研讨会摘要:
牛津大学博士后研究员
张子豪
张子豪博士是牛津大学OMI研究院和机器学习研究小组的博士后研究员。他在牛津大学获得了博士学位,由Stephen Roberts教授和Stefan Zohren博士指导。他还拥有牛津大学应用统计学硕士学位和伦敦大学学院经济学与统计学理学士学位。
Graphcore中国工程总负责人、AI算法科学家
金琛
金琛是Graphcore中国工程总负责人和算法科学家, 带领中国研发团队完成IPU在中国市场包括AI模型,AI框架和端到端AI解决方案的技术落地。