利用深度学习，掌握统计套利与时间序列模型搭建

据艾瑞咨询预测，2022 年金融机构的整体 IT 资金投入将达到 4043 亿元。伴随 AI 的飞速发展，金融行业已从“IT+金融”迈入“AI+金融”的阶段。越来越多的金融行业开发者和企业基于深度学习平台构建、训练和部署智能应用。

如今的 AI 正像 100 多年前出现的电力一样，广泛渗透到金融行业的算法交易、投资优化、金融风控等多个领域。比如，金融企业可以通过强化学习来替代交易员完成交易，运用自然语言处理（NLP）可捕捉更广泛的语言信息，对股票进行预测等等。

尽管深度学习的重要性以及适用性在不断地被验证，但大部分金融行业开发者、 IT 工程师在面对如何把 AI 算法结合到本身的投资金融业务、交易策略等难题，如何有效训练数百台、数千台庞大规模的计算机时，还是纷纷表示有点压力山大。

NVIDIA 解决方案架构师王闪闪与您共同探讨如何通过深度学习来重新思考统计套利与时间序列模型搭建，帮助金融行业开发者突破技术瓶颈，在金融市场中构建更合适的交易策略，持续进阶。

从本视频回放中，您将收获：

> 统计套利通用框架方法

> 剩余投资组合中灵活的时间序列模式

> 考虑交易摩擦和成本的前提下，保持盈利的最佳交易策略

王闪闪
NVIDIA 解决方案架构师
身怀掘金利器，智解金融难题。毕业于比利时鲁汶天主教大学，拥有统计学硕士，计量经济学与金融数学硕士双硕士学位。曾在欧洲银行实习，研究方向有风险量化模型，时间序列模型，以及 GPU 编程。