Greg Zanotti
大白话：AQR Capital Management 的量化研究员，做统计套利与资产定价；他与 Pelger、Guijarro-Ordonez 合著的 2022 年《Deep Learning Statistical Arbitrage》把统计套利的三个环节（构造套利组合、提取时序信号、映射到交易配置）塞进一个端到端神经网络联合优化，直接最大化约束下的风险调整收益，样本外 Sharpe 约 4，是同数据集参数化模型的四倍。
AQR Capital Management 量化研究员，统计套利与资产定价方向。
在本 wiki 的论文
- Guijarro-Ordonez-Pelger-Zanotti 2022 — Deep Learning Statistical Arbitrage — 与 Markus Pelger、Jorge Guijarro-Ordonez 合著
方法论取向
与 Pelger 同一路线：在资产定价模型之下寻找可交易的偏离——残差是可交易组合、横向弱相关、近乎正交于公司特征与系统因子，因而能支撑一个平稳的时序模型。
与本 wiki 已有页面的关系：这与 Risk Model Enhancement via Transient Statistical Factors 是同一想法的两个方向——那篇把统计因子用于风险模型预测，这篇把因子残差直接变成交易信号，并用端到端神经网络联合优化信号提取与头寸配置。