华泰证券人工智能系列（1）：人工智能选股框架及经典算法简介

（一）人工智能选股框架及经典算法简介2017.6.1

机器学习的基本流程

数据获取、特征提取、数据转换、模型训练、模型选择、模型预测。

数据获取

大量、高质量。

现有接口：雅虎财经、新浪财经、万得终端。

爬虫数据源：新闻网站、财经论坛、自媒体平台、聊天软件

特征提取

情报隐藏于信息中。原始数据格式和类型无法直接用于训练。

自然语言识别：Word Embedding将文字转化为数值向量

图像识别：从图片提取出三原色、亮度等

多因子选股：从原始量化数据提取出各种因子

数据转换

缺失值的删、补

数据预处理：去极值、标准化、中性化…

降维：避免特征之间相关性的影响，避免维数灾难

模型训练

适合模型预判

模型选择

对于任何问题，都可以存在各种备选模型，如何选择取决于交叉验证、度量指标

交互验证