光華講壇——社會名流與企業家論壇第6560期

主題：Deep Reinforcement Learning for Quantitative Trading （強化學習用于量化交易）

主講人：南洋理工大學校長講席教授/人工智能系主任 安波

主持人：計算機與人工智能學院教授/副院長 楊新

時間：6月17日 10:00—11:00

地點：柳林校區經世樓D座二樓新財經綜合實驗室

主辦單位：計算機與人工智能學院 科研處

主講人簡介：

安波是新加坡南洋理工大學校長講席教授，人工智能系主任，南洋理工大學人工智能研究院聯席院長，于2011年在美國麻省大學Amherst分校獲計算機科學博士學位。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AAMAS, IJCAI, AAAI, ICLR, NeurIPS, ICML, AISTATS, ICAPS, KDD, UAI, EC, WWW以及著名學術期刊JAAMAS和AIJ。曾獲2010 IFAAMAS杰出博士論文獎、2011年美國海岸警衛隊的卓越運營獎、2012 AAMAS最佳應用論文獎、2016年IAAI創新應用論文獎，2020 DAI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。受邀在2017年IJCAI上做Early Career Spotlight talk。他曾獲得2017年微軟合作AI挑戰賽的冠軍。并曾入選2018年度IEEE Intelligent Systems的AI’s 10 to Watch。他是AIJ、 JAAMAS、 IEEE Intelligent Systems、ACM TIST 和ACM TAAS的副主編及JAIR編委會成員。擔任過AAMAS’20的程序委員會主席和AAMAS’23會議主席。當選為國際智能體及多智能體系統協會理事會成員、AAAI高級會員及ACM杰出科學家。他將擔任IJCAI’27的程序委員會主席。

主講內容：

In the last decade, we have witnessed a significant development of AI-powered quantitative trading (QT), due to its instant and accurate order execution, and capability of analyzing and processing large amount of data related to the financial market. 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. More information is at http://trademaster.ai/ and https://github.com/TradeMaster-NTU/TradeMaster.

在過去的十年中，我們見證了以人工智能為驅動的量化交易（QT）的顯著發展，這得益于其快速且準確的交易執行能力，以及分析和處理海量金融市場數據的能力。傳統的人工智能驅動的QT方法基于啟發式規則或金融預測來發現交易機會。然而，由于金融市場的高波動性和噪聲性，這些方法的性能并不穩定并且它們高度依賴于市場條件。最近，強化學習（RL）因其在解決復雜決策問題上的卓越表現而成為在解決QT任務上的一個極具吸引力的方法。本次報告將討論RL在QT方面的一些最新研究進展和未來方向。