华泰人工智能系列之七：人工智能选股之Python实战.pdfVIP

证券研究报告 金工研究/深度研究 2017 年09 月19 日 林晓明 执业证书编号：S0570516010001 人工智能选股之Python 实战 研究员 0755 linxiaoming@ 华泰人工智能系列之七 陈烨 010 联系人 chenye@ 介绍 Python 安装方法、与机器学习相关的包以及常用命令 Python 语言是目前机器学习领域使用最广泛的编程语言之一，拥有众多优 相关研究 秀的包和模块，并且相对简单易学。我们将简单介绍Python 语言的特性， 1 《金工: 人工智能选股之 Boosting 模型》 常用命令，以及和机器学习相关的包，例如NumPy，pandas，scikit-learn 2017.09 等，希望帮助有一定编程基础的读者迅速上手Python 语言。 2 《金工: 人工智能选股之随机森林模型》 2017.08 机器学习选股框架与多因子选股框架类似，具有一定优越性 3 《金工: 周期三因子定价与资产配置模型》 机器学习中最为主流的方法监督学习，其核心思想是挖掘自变量和因变量 2017.08 之间的规律。我们将经典多因子模型稍加改造，以机器学习的语言描述。 在训练阶段，根据历史的因子值X 和收益r，训练监督学习模型r=g(X, f)， 得到模型自由参数的估计量f 。在测试阶段：根据最新的因子值X 、参数估 计量f 和监督学习模型g，预测下期收益r。机器学习方法相较于线性回归 的优越之处在于：首先，机器学习可以挖掘数据中的非线性规律；其次， 正则化的引入能够筛选出最有效的自变量；再次，参数优化的过程能够遴 选出预测力最强的模型。 将机器学习选股代码拆分成十二个子模块进行详尽讲解 我们将机器学习选股代码拆分成十二个子模块，包括：模块导入、参数设 置、数据读入、数据标记、数据预处理、模型设置、模型训练、模型预测、 模型评价、策略构建、策略评价和结果保存。每个子模块我们将展示代码 并且逐句进行讲解。报告中展示的代码是完备且成体系的，可以根据需要 进行整合，构建一套完整的机器学习选股模型。 风险提示：通过Python 编写人工智能选股算法受到数据库架构、网络环境、 计算机硬件条件限制，报告中代码经移植后可能不能正常运行；通过人工 智能算法构建选股策略是历史经验的总结，存在失效的可能。 谨请参阅尾页重要声明及华泰证券股票和行业评级标准 1 1634813:32 每日免费获取报告 1、每日微信群内分享5+最新重磅报告； 2、每日分享当日华尔街日报、金融时报； 3 、每周分享经济学人 4 、每月汇总500+份当月重磅报告 （增值服务） 扫一扫二维码 关注公号 回复 ：研究报告 加入“起点财经”微信群。 金工研究/深度研究 | 2017 年09 月19 日