机器学习白皮书系列之四机器学习流程和算法介绍及金融领域应用实例.PDFVIP

[Table_MainInfo] ┃研究报告 ┃ 机器学习 2018-2-7 机器学习白皮书系列之四：机器学习 金融工程┃专题报告 流程和算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  机器学习问题和其流程 qinct@ 机器学习问题本质上在于找出使得经验风险泛函（样本误差）最小的建模流程， 执业证书编号：S0490513030001 基本的流程可以分为特征工程、模型训练和模型融合。本篇就上述三个过程，给 联系人 郑起 出相关算法的介绍，并补充了之前系列报告中未详细介绍的内容。 （8621 zhengqi2@  机器学习三大步骤 特征工程包含特征构建、特征提取和特征选择三个过程，以选择相对最优的特 联系人 杨靖凤 （8621 征空间。特征工程往往会采用无监督和有监督的机器学习算法。机器学习模型 yangjf@ 可以分为线性模型、树模型和深度学习模型。线性模型主要体现了数据中的线 性关系，如输入与输出的线性关系，点集的线性可分；树模型可以很好的捕捉输 分 析 师 入与输出的非线性关系，和线性模型相辅相成。一些改进的随机梯度下降法可 相关研究 [Table_Doc] 以很好地训练深度学习模型。模型融合有横向拼接和纵向拼接两种方式，在模 《机器学习白皮书系列之三：深度学习的方法介 型融合过程中，往往要求模型表现好，且之间的相关性小。深度学习可以将模型 绍及金融领域应用实例》2018-1-22 融合通过网络结构的设计在模型训练中完成。 《红利策略：展望2018》2018-1-14  多因子选股案例 《鹏华基金指数型产品的投资价值分析》2018-1- 2 目前多因子选股模型多以单个模型在整个特征空间上的预测构建策略，往往很 难保证函数空间上的一致性，而机器学习流程选股通过在大的函数空间中选择 多个小的函数空