华泰人工智能选股框架及经典算法简介｜2017金融科技深度研究

报告摘要

本报告由华泰证券于2017年发布，系统梳理了人工智能在量化选股中的应用框架与经典算法。内容涵盖机器学习基本流程（数据获取、特征提取、模型训练等）、监督学习（线性回归、支持向量机、决策树、神经网络等）与无监督学习（聚类、降维）方法，并深入解析交互验证与模型评价。报告以数理模型为核心，澄清AI在投资领域的误解，适合量化研究员、金融科技从业者、基金经理及AI开发者学习参考。

📋 核心要点(部分)

1. 本文研究导读
2. 机器学习基本框架
3. 机器学习方法介绍
4. 广义线性模型
5. 线性判别分析和二次判别分析
6. 支持向量机
7. 决策树和随机森林
8. AdaBoost
9. 神经网络和深度学习
10. K最近邻算法
11. 聚类
12. 降维