机器学习白皮书系列之一监督学习的方法介绍及金融领域应用实例.PDFVIP

[Table_MainInfo] ┃研究报告 ┃ 机器学习 2017-7-27 机器学习白皮书系列之一：监督学习 金融工程┃专题报告 的方法介绍及金融领域应用实例 [Table_Author] 报告要点 分析师 覃川桃 （8621  机器学习系列报告 qinct@ 本系列报告试图系统全面性的介绍各种不同的机器学习方法，并且结合具体的 执业证书编号：S0490513030001 在投资研究领域应用实例、交易策略及code 示例，说明其应用情景和实现方法。 联系人 陈洁敏 机器学习的方法可以分为以下几类：监督学习、无监督学习、深度学习及其他 （8621） chenjm5@ 机器学习方法（例如强化学习），对应到具体的模型上数量则更是繁多，目前大 部分机器学习模型并未广泛的应用在投研领域，因此本系列主要偏重于在投研 联系人 杨靖凤 领域有应用潜力的模型及方法。此篇将以介绍监督学习方法为主。 （8621  监督学习模型之回归类模型及其应用 yangjf@ 与普通线性回归不同，监督学习中的惩罚回归模型和非参数回归，可以分别用 分析师 于处理输入变量中存在大量线性相关性关系及非线性关系时的情况。惩罚回归 相关研究 [Table_Doc] 模型中金融领域使用得较多的有 Lasso 回归、岭回归和弹性网络回归；具有代 《陆港通系列( 一) ：外资动向中的 Alpha 》 表性的非参数回归模型则有：K 最近邻、LOESS 及卡尔曼滤波器。同时，也用 2017-7-24 到两个实例来说明了惩罚回归模型在拟合中的优势，以及卡尔曼滤波器使用时 《富时中国A50 指数投资价值分析》2017-6-8 对于趋势判断、状态分辨的灵敏性。 《基金的绩效归因方法分析及应用》2017-6-6  监督学习模型之分类模型及其应用 回归模型可以通过模型拟合进行样本外数据预测，得到具体的预测值。但是在 金融领域很多问题不需要得到具体的值，得到目前的状态类型或者相对强弱位 置即可。因此，分类模型应用非常广泛。此篇，我们将介绍以下分类算法：逻 辑回归、支持向