量化中的机器学习简述

人工智能，特别是机器学习，在最近几年大出风头，无人驾驶汽车，阿尔法狗战胜人类最强棋手，演唱会人脸识别抓捕逃犯，手机多国语言在线翻译，这一切一切无不给我们带来深深的震撼，可以说人工智能将在不久的未来引来巨大的爆发式增长，对我们每个人的生活带来深刻的影响。

既然机器学习这么厉害，那么是不是可以让机器帮我们预测市场、选股票，买卖股票，我们只需要坐着看收益就好了，为什么现实不是这样的呢？

这一节就简单总结一下量化投资中的我们对机器学习需要了解的基本概念。后面再逐个研究算法的实际应用。

1、机器学习在量化投资领域的现状是怎么样的呢？

一句话总结：

机器学习是当前量化投资的一个重要的方向，但是它的效果并不比其他方向的策略更好。

为什么机器学习在投资领域并无明显优势？
这个现象在国内国外都是一样，相比之下，国外用机器学习做量化的会比国内多一些。我认为有两个方面原因：

• 一方面是人才结构决定。机器学习领域的顶级专家，几乎没有投入到量化投资领域的。对机器学习或者说人工智能领域的大牛来说，本身就可以在Google、微软、BAT等大公司获得领导岗位，也可以较容易的自己融资创业，量化投资这种高风险的事情对他们没有吸引力。
• 另一方面是金融学科性质决定的。金融分析属于非实验性科学，因此无法进行对照实验，虽然存在大量的金融交易数据，但是无法通过设计实验来控制自变量的变化、通过重复性试验来检验提出的假设（比如说机器学习发现的某种选股模式）。如此的数据分析得到的大多是看似显著但实际上是欺骗式的模式（尤其对样本外数据），这个现象称作数据迁就（data
  snooping）。