當AI遇上財經-利用Graph Neural Network分析財經市場 When AI Meets Finance: Using Graph Neural Network to Analyze Financial Market
2022年6月畢業於加拿大多倫多大學。主修經濟學（資料分析專業)，副修政治學和統計學。2022年7月任職於Tagtoo，擔任資料工程師。主要任務為使用使用者行為資料,，建構機器學習模型，提供數位廣告投放策略分析和受眾包預測，並且建立data pipelines進行預測和分析自動化。 Hello, I'm William. I graduated from the University of Toronto in June 2022. I majored in Economics (focus in data analytics) and had two minors in political science and statistics. I started my career in Tagtoo as a data engineer in July 2022. I propose digital marketing strategies and make predictions through machine-learning models by collecting and wrangling our client's data. I also build data pipelines to automate the aforementioned tasks.
摘要
股票與金融市場以其不穩定性及波動性，影響著許多投資人的決策。在世界經濟已被疫情摧殘的當今，只用肉眼預判股價趨勢已經已經略顯不足，伴隨的風險性也隨之提高。隨者計量經濟學的地位提升，經濟統計模型的發展也已經漸漸成熟。然而，統計模型無法紀錄股票/指數之間的複雜關係，更無法根據突發事件調整模型。許多研究已經發現機器學習可以創造出比統計模型更好的預測效果。而且，運用圖神經網路（Graph Neural Network/GNN），機器更可以根據股票/指數之間的關係學習更精確的漲跌關係。 在此演講中，我們會介紹GNN的主要構成元素(nodes 和 edges)，GNN在股票預測的應用和重要性，和探討GNN的種類。接下來，我們會利用 PyTorch Geometric 建立一套結合 GNN 和其他神經網路的模型，並且透過交叉比對其他模型印證 GNN 在財經分析機器學習的重要性。我們也會討論如何利用 python 利用open source抓取股價、利息、匯率等財經資料和交易訊息。
說明
地點
R1
時間
第二天 • 11:35-12:05 (GMT+8)
語言
中文演講/英文投影片
層級
中階
分類
金融科技