现代金融学的两大基石：有效市场假说（EMH）和资本资产定价模型（CAPM）。有效市场假说是为了方便研究金融市场而对经济世界做的一个假设。而资本资产定价模型就是基于这个假设，通过研究资本的收益和风险之间的定量关系，我们可以判断这只股票价格的“合理性”。
在过去的十几年里，人工智能和金融领域已经成为了学术界和金融界非常热门的话题，在不断的研究与发展中，已经出现了很多的成果，产生了各种各样的模型。深度学习，作为机器学习领域的一个强大的分支，表现出了优于机器学习模型的性能、泛化能力和拟合能力。而金融是深度学习开始受到关注的一个特殊领域，在投资组合、算法交易、风险管理、欺诈检测、定价模型及衍生品市场、加密货币以及区块链、市场情绪分析和行为金融，金融文本挖掘等方面都有应用，目前也有了很多不错的理论和实际的研究成果。
其中，资产定价问题试图解释不确定条件下未来支付的资产价格或价值的问题。在确定性的市场里，资产定价问题就是用无风险的收益率或回报率去折现资产的未来收益，从而可以直接得出此种资产的现时价格。然而实际的市场充满了不确定性，对于资产的定价需要考虑风险问题、投资者对风险的态度以及收益与风险之间的权衡问题。
那么如何将深度学习应用到量化投资中的资产定价中呢？又有什么样的深度学习资产定价模型以及投资组合策略呢？1月21日晚7点，智东西公开课推出深度学习&量化投资公开课，由英伟达解决方案架构师王闪闪主讲，主题为《深度学习在资产定价中的应用》。
在本次的专场讲解中，王闪闪将从量化投资中的资产定价问题出发，分析传统资产定价模型所遇到的问题和局限性，并重点解析一种结合时间序列的无套利定价模型和基于生成对抗网络的投资组合策略及应用。
