精準預測市場?當多方安全計算遇到量化投研
3)樣本集為華興源創,用到百度指數構建模型,AUC為0.74,未用到百度指數構建模型(其他入參變量與對照組1一致),AUC為0.73,說明百度指數對應預測有提升效果。(具體信息見下圖)


根據上述案例,我們發現添加外部的非公開信息,確實能夠提升股票預測能力。
對量化投資來講,傳統量化投資大部分的時間都浪費在了數據清洗和數據整理上,且對外獲取的數據,由于不清楚數據來源,數據質量和數據安全存在重大隱患,量化策略可能因為數據質量(數據更新不及時,數據獲取方式非法)而帶來反向影響(觸犯個人隱私、由于數據缺失造成量化策略不穩健)。
利用安全多方計算的方式,量化公司就可以使用外部數據源直接進行聯邦學習,數據方會根據量化投資者需求,前期進行數據的加工和處理,對于量化公司來說,一是可以有效減少數據清洗和整理時間,二是直接對接數據源,確保了數據安全和數據質量,三是可以確保業務合規,保證量化模型效果穩定,四是可以通過外部數據,構建非公開數據相關的量化策略和指標,獲取更多的超額收益。
展望
本文只是大數據量化建模的初探,隱私計算技術能夠提供給量化交易更為廣泛、有效的基礎資源、技術支持,有機會促進大數據技術基礎下量化交易策略的快速發展。本篇文章僅僅是通過非公開信息,利用安全多方計算技術對量化研究工作進行的初步探究,探究方法還比較粗糙,后期作者將基于安全多方計算對量化交易進行更加深入的探究和分析,希望感興趣的朋友們持續關注后續相關系列文章。
請輸入評論內容...
請輸入評論/評論長度6~500個字
最新活動更多
- 1 AI狂歡遇上油價破百,全球股市還能漲多久? | 產聯看全球
- 2 OpenAI深夜王炸!ChatGPT Images 2.0實測:中文穩、細節炸,設計師慌了
- 3 6000億美元估值錨定:字節跳動的“去單一化”突圍與估值重構
- 4 Tesla AI5芯片最新進展總結
- 5 連夜測了一波DeepSeek-V4,我發現它可能只剩“審美”這個短板了
- 6 熱點丨AI“瑜亮之爭”:既生OpenClaw,何生Hermes?
- 7 AI界的殺豬盤:9秒刪庫跑路,全員被封號,還繼續扣錢!
- 8 2026,人形機器人只贏了面子
- 9 DeepSeek降價90%:價格屠夫不是身份,是戰略
- 10 AI Infra產業鏈卡在哪里了?


分享













