由于市场的复杂性，市场波动方向的预测应该同时考虑多种金融工具。这种内在的复杂性包含数千种可能的特征，因此适用于深层神经网络。我们对超过40个期货的5分钟中间价格变动应用了深度前向网络。在这种情况下，深度神经网络的性能大大优于传统模型，基于合理交易策略的回测显示了P&L和夏普指数的增加。

　　2.金融交易中的深度学习

　　Hitoshi Harada，AlpacaCTO

　　金融服务领域里有许多深度学习的应用潜力，Alpaca已经解决了其中一些，并且一直专注于应用于金融交易的深度学习。这次演讲中，我们将讨论我们的技术应用于实验和产品中的一些发现。

　　3.产品研究：金融领域的机器与人类智能

　　Peter Sarlin，Hanken经济学院副教授

　　金融领域的人工智能和深度学习在过去几年中受到很大关注。这次演讲介绍我们在应用于金融困顿、网络和新闻等的机器学习工作。我们利用机器学习进行系统性风险识别，测量微观和宏观金融失衡以发现困顿信号，进行网络分析以发现金融市场和银行破产新闻中提取的深度学习文本数据的相互关系性。

　　4. 深度投资组合理论

　　Jan Hendrik Witte，GreyMaths数据科学家