网络机器人吧社区

【万矿研读】机器学习如何应用于量化投资

万矿 2019-02-10 14:15:45


机器学习已成为当下最热门的话题。在投资领域,其实,机器学习的身影也是无处不在。今天万矿结合券商金工研报,为你研读机器学习算法是如何应用量化投资的。同时万矿也为大家提供了一个基于机器学习的选股案例,希望大家以后可以打造出属于自己的算法量化模型。

什么是机器学习

机器学习是让计算机执行人和动物与生俱来的活动:从经验中学习机器学习算法使用计算方法直接从数据中“学习”信息,而不依赖于预定方程模型。当可用于学习的样本数量增加时,这些算法可自适应提高性能。


在金融市场、媒体网站、大型零售、医疗诊断、能量负荷预测等领域中机器学习都扮演着日益重要角色。



机器学习的大体流程

机器学习分类与常见算法

机器学习采用两种类型的技术:监督式学习无监督学习。监督式学习根据已知的输入和输出训练模型,让模型能够预测未来输出;无监督学习从输入数据中找出隐藏模式或内在结构。

下面我们介绍一下机器学习中一些常见的算法。特别的,我们会给出相应的金工研报理论结合实践。方便大家进一步了解。

1、主成分分析(PCA)

工作原理

主成分分析是一种常用的降维方法,其基本原理是把数据沿着方差最大的方向映射到维度更低的子空间上,新特征的坐标相互正交。


研报推荐

【民生证券】机器学习量化投资实战指南


2、K最近邻

工作原理

k 最近邻( kNN ) 根据数据集内类的最近邻关系划分对象的类别。kNN预测假定相互靠近的对象是相似的。距离量度(如欧氏距离、绝对值距离、夹角余弦和 Chebychev 距离)用来查找最近邻。


研报推荐

【华泰证券】人工智能选股框架及经典算法简介


3、支持向量机(SVM)

工作原理

通过搜索能将全部数据点分割开的判别边界(超平面)对数据进行分类。当数据为线性可分离时,SVM 的最佳超平面是在两个类之间具有最大边距的超平面。


研报推荐

【华泰证券】人工智能选股之支持向量机模型



4、神经网络

工作原理

受人脑的启发,神经网络由高度互连的神经元网络组成,这些神经元将输入与所需输出相关联。通过反复修改联系的强度,对网络进行训练,使给定的输入映射到正确的响应。


研报推荐

【华泰证券】人工智能选股之全连接神经网络


5、朴素贝叶斯(Naive Bayes)

工作原理

朴素贝叶斯(NBayes)分类器假设类中某一具体特征的存在与任何其他特征的存在不相关。根据数据属于某个特定类的最高概率对新数据进行分类。


研报推荐

【中信建投证券】机器学习之贝叶斯文本分类算法的实现



6、决策树
工作原理
利用决策树预测对数据响应的方法是,按照树中根节点(起始)到叶节点的顺序自上而下地决策。树由分支条件组成。分支的数量和权重的值在训练过程中确定。

研报推荐

【华泰证券】人工智能选股之随机森林模型


7、广义线性模型

工作原理

广义线性模型是使用线性方法的非线性模型的一种特殊情况。它涉及输入的线性组合与输出的非线性函数(连接函数)拟合。


研报推荐

【华泰证券】人工智能选股之广义线性模型



万矿社区中的资源

看了以上的介绍,大家是不是早就迫不及待的想练练手了呢?我们万矿社区中为大家准备了一些机器学习的python代码。主要是在skearn库中怎么实现各种常见的机器学习算法。详情如下,请查收:


长按识别二维码查看详细教程


我们还准备了一个小案例,即:怎样运用经典的机器学习算法:支持向量机(SVM)来选股。供大家参考,然后打造出属于自己的机器学习模型。案例如下:


长按识别二维码查看详细教程


更多教程及案例分享,欢迎登陆万矿平台


Wind账号的朋友将终端升级到最新版

即可直接使用,自带高级权限


个人用户也可登陆网页版注册使用


长按识别二维码

注册万矿


万矿网


网址:www.windquant.com

iWind交流群:463249

QQ群:465776969

点击“阅读原文”【可免费注册万矿账号哦】

Copyright © 网络机器人吧社区@2017