（1）机器学习

1、我们进行了机器学习组合算法，并且加入了分布概率，把机器模型效果更向上提升了一个台阶。

2、我们还加入了SHAP特征可解释性，以便打开算法黑盒子，为下一步改进提供线索。

（2）深度学习

1、我们过去用了TimerMixer，现在想升级到最新的TimerMixer++，让效果更佳。

2、我们还没使用过Mamba架构的深度学习模型，Mamba架构是近两年热门的架构。这次想把FinMamba用上来，尤其FinMamba还添加了金融大数据集。

（3）预训练大模型

1、过去我们使用了Timer的两个尺寸的模型，今年他们发布了更大的Timer-XL，我们也想继续用，跟着走，越走越强大。

2、过去我们使用了TimesFM，这次又有了TimesFM-Fin，是专门经过金融大数据微调的预训练大模型。虽然它的金融大数据主要是美国标普500股票数据、外汇交易数据、数字货币交易数据，但比TimesFM这样通用的预训练大模型更适合。

3、这次我们还使用了去年11月Salesforce发布（今年入ICLR 2025顶会论文）的Moirai-MoE模型，这个模型的起点效果就不错，很有潜力。

4、我们还准备把FinGPT用上去，它是第一个能把内容型数据（如新闻）、结构性数据（如行情数据），融合在一起。而且还可以换基座，把GPT换成DeepSeek、Qwen啥的。

（4）

成事，需要天时、地利、人和。

技术天时在：人工智能技术日新月异。
己方天时在：幻方出圈，引爆大量人今年才投入AI量化创业，而我们已经行进两年了。
甲方天时在：中美贸易战7月份云开雾散，美国降息、中美汇率也有了眉目。

人和：团队、家人、粉丝用户、投资人，都是人和。