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

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(部分)

1. 机器学习方法概述
2. 监督学习模型之回归
3. 惩罚回归模型
4. 非参数回归
5. 极限梯度提升
6. 监督学习之分类
7. 逻辑回归
8. 支持向量机
9. 决策树和随机森林
10. 分类模型在选股及择时上的应用实例