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
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。
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
- 本文研究导读
- 机器学习基本框架
- 机器学习方法介绍
- 广义线性模型
- 线性判别分析和二次判别分析
- 支持向量机
- 决策树和随机森林
- AdaBoost
- 神经网络和深度学习
- K最近邻算法
- 聚类
- 降维
报告信息
- 文件全名
- 《华泰人工智能系列之一：人工智能选股框架及经典算法简介-华泰证券》
- 适合读者
- 核心数据
- 35页深度研究
- 覆盖13种监督学习算法
- 3种聚类方法
- 2种降维技术
- 核心议题
常见问题
《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》主要包含哪些内容?
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。核心数据:35页深度研究;覆盖13种监督学习算法;3种聚类方法。
这份报告由哪家机构发布?
本报告由华泰证券发布,发布于 2017 年。
这份报告覆盖哪一年、篇幅多大?
覆盖 2017 年,全文约 35。
这份报告是免费的吗?如何获取?
本报告免费查阅,登录资料宝后即可在线获取完整内容。
这份报告适合哪些读者?
适合量化研究员、金融科技从业者、基金经理、AI开发者等读者参考。
报告涉及哪些关键议题?
重点分析了金融投资、金融科技等议题。
继续阅读
查看全部 →