机器学习流程和算法介绍及金融领域应用实例｜长江证券2018白皮书

报告摘要

本报告是长江证券机器学习白皮书系列之四，系统梳理了机器学习问题的本质与建模流程，涵盖特征工程（构建、提取、选择）、模型训练（线性模型、树模型、深度学习模型）及模型融合（横向与纵向拼接）。以多因子选股案例展示应用效果：融合模型超额年化收益25.91%，夏普比1.06，信息比2.26，月度超额胜率0.76。适合金融工程师、量化研究员、数据科学家及对AI在金融领域应用感兴趣的从业者。

📋 核心要点(部分)

1. 机器学习流程介绍
2. 机器学习问题
3. 方差与偏差
4. 机器学习三大步骤
5. 特征工程
6. 特征构建