机器学习白皮书：监督学习的方法介绍及金融领域应用实例｜长江证券
本报告系统介绍监督学习方法在金融领域的应用，涵盖惩罚回归（Lasso、岭回归、弹性网络）、非参数回归（K最近邻、LOESS、卡尔曼滤波）及分类模型（逻辑回归、SVM、决策树、随机森林、隐马尔可夫模型）。通过选股、择时等实例展示模型优势，并附有代码示例。适合量化研究员、金融工程师、数据科学家及投资经理参考，帮助理解如何将机器学习应用于实际投研场景。
报告摘要
本报告系统介绍监督学习方法在金融领域的应用，涵盖惩罚回归（Lasso、岭回归、弹性网络）、非参数回归（K最近邻、LOESS、卡尔曼滤波）及分类模型（逻辑回归、SVM、决策树、随机森林、隐马尔可夫模型）。通过选股、择时等实例展示模型优势，并附有代码示例。适合量化研究员、金融工程师、数据科学家及投资经理参考，帮助理解如何将机器学习应用于实际投研场景。
核心要点
- 机器学习方法概述
- 监督学习模型之回归
- 惩罚回归模型
- 非参数回归
- 极限梯度提升
- 监督学习之分类
- 逻辑回归
- 支持向量机
- 决策树和随机森林
- 分类模型在选股及择时上的应用实例
报告信息
- 文件全名
- 《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-长江证券》
- 适合读者
- 核心数据
- 2017年
- 监督学习
- 回归与分类模型
- 金融应用实例
- 核心议题
常见问题
《机器学习白皮书：监督学习的方法介绍及金融领域应用实例｜长江证券》主要包含哪些内容?
本报告系统介绍监督学习方法在金融领域的应用，涵盖惩罚回归（Lasso、岭回归、弹性网络）、非参数回归（K最近邻、LOESS、卡尔曼滤波）及分类模型（逻辑回归、SVM、决策树、随机森林、隐马尔可夫模型）。通过选股、择时等实例展示模型优势，并附有代码示例。适合量化研究员、金融工程师、数据科学家及投资经理参考，帮助理解如何将机器学习应用于实际投研场景。核心数据:2017年;监督学习;回归与分类模型。
这份报告由哪家机构发布?
本报告由长江证券发布,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 23。
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、金融工程师、数据科学家、投资经理等读者参考。
报告涉及哪些关键议题?
重点分析了金融投资、机器学习、监督学习、方法介绍等议题。
继续阅读
查看全部 →