报 告 人：沈艳艳 副教授，上海交通大学

报告时间：10月18日（周三）15:30～17:30

报告地点：计1106

邀 请 人：朱能军 讲师

报告摘要：

股票趋势预测是量化投资的基础任务，对价格趋势做出准确预测对获得超额收益至关重要。股票市场是一个在线服务，及时用最新数据增量更新预测模型，可以学习出现的新模式，避免模型过时。但是，股票市场是非稳定的，增量数据和未来数据的分布可能存在差异，给增量学习带来挑战。

针对分布差异的挑战，本报告将介绍一种端到端的增量学习框架DoubleAdapt。该框架将每个增量学习任务视作一个元学习任务，通过构建数据适配器和模型适配器作为元学习器，引导预测模型的增量更新。在两个真实股票数据集上的实验表明，DoubleAdapt可以有效应对不同程度的分布变化，取得最优的预测性能，同时也具备很高的计算效率，为股票预测模型的增量学习提供了新的思路。此外，本报告也将概述近年来机器学习在金融大数据领域的典型应用和技术发展。

报告人简介:

沈艳艳，上海交通大学计算机系副教授，博士生导师，CCF数据库专业委员会委员。主要研究方向为复杂异构大数据分析、挖掘及处理。在数据库和人工智能领域重要会议和期刊上发表论文100余篇，谷歌学术引用2400余次，曾获数据库领域顶会VLDB 2022和ICDE 2023最佳论文奖。先后主持参与了多项国家级重点科研项目，目前担任数据库领域顶刊IEEE TKDE副编辑、VLDB Journal副编辑，并多次担任SIGMOD、VLDB、ICDE等重要会议的程序委员会委员。