https://www.youtube.com/watch?v=BhaJVZNpL4M&ab_channel=QMIND-Queen%27sAIHub
机器学习——到底在量化投资中用的好吗？- 知乎
https://www.zhihu.com/question/64347446
作者：Quant最爱
链接：https://www.zhihu.com/question/64347446/answer/219283648
来源：知乎
著作权归作者所有。商业转载请联系作者获得授权，非商业转载请注明出处。
这个问题我们在全网发出后，有很多读者留言了，现在全部贴出来！希望我们可以继续讨论！
前言在前天，我们发布了一篇推文，想请大家来说说这个话题，总共收到了48条留言。对此我们按照点赞从高到底进行一个整理汇总。大家也可以继续评论，或者说说哪个作者说的有道理哈！
@濮元恺
老师告诉我：为了区分一只猫和一只兔子，我只需要一条鱼做Classification，外加一条胡萝卜做Cross Validation就可以了……
愚蠢的美国佬需要用装备了8个GPU的服务器训练152层的神经元网络几十小时才能做到，而且不能保证百分之一百准确无误……Tardis加密货币高频数据有所有交易所（含polymarket、hyperliquid等）合约现货期权，全量全历史含L1-L3精度等，100元需要加微信15180066256（历史数据已下载180T，也有实时api，超低价！）仅供学术研究
@郑小龙
只不过没有几个真正理解机器学习又懂金融的人而已。
@李锦涛
这个问题，要澄清几个概念，“机器学习”“量化”“投资”。什么是机器学习，这个也有很多层次的，如同电脑的286/386/486/PII/i3/i5/i7/GPU......
什么是量化，这个也有很多层次的，诸如：趋势量化、多因子量化、阿尔发、大数据、神经网络、遗传算法.....
什么是投资，这个也是很多层次的，诸如：价值投资、高成长投资、一级市场、二级市场、期权、期货、指数......
笼统的说，“机器学习在量化投资中用的好吗？”，如同说，“马路上有个人，这个人是不是好人？” 没有意义的。呵呵。
@曲百万
确实有用，现在路演时你要不把部分章节留给机器学习，资方都不一定正眼看你。各种决策树、随机森林，贝叶斯模型,svm支持向量机，深度学习，神经元balabala最后都把仓建到了低位放量的股票上。
@俊盛
从我导师的角度，没有基于投资学理论基础的，没有任何意义。从目前自己的尝试中，我也赞同，特征选择，特征构建，才是最重要的。
@路过
以我十年量化苦旅，没有任何用。真的
@榕樹
这还用问吗，有用的也会说没用
@余晓秋
如果某金融时序，在足够长的时段内，存在近似稳定的内在规律，那机器学习可能把它提取出来。如果不存在稳定规律，随机成分占主导，任何方法（包括机器学习）实际上都无效。
@宁宁
很多机器学习模型说白了就是概率统计，量化中很大一部分是基于概率统计的，所以当然有用，只是大部分人不知道怎么用罢了，因为其中涉及到特征的提取，噪音的过滤，避免过拟合。。。其中的坑当然不少
@杨恩源
机器学习还需在数学理论上有针对金融时间序列数据的巨大突破，才有可能在量化投资有较好的运用！这就不是我们这些不造轮子用轮子的人所能解决的事了。
@杨连诗
投资本就是大道至简，量化更是如此，明明简单的搞复杂了能赚得更漂亮？
@张博瑜
有用，机器学习本质是对量化投资的更深层次的量化。只不过目前有效的方法很少，随着机器学习的发展，会产生越来越合适的算法。这个本就是一个不能证伪的话题，却总有人拿着自己有限的了解，证明机器学习在量化上行不通。
@石川
人类花巨量时间脑力和精力能够master的技能，机器学习注定会秒杀人类，比如围棋，比如人脸识别（最强大脑）。但是对人类都没法搞明白的东西，机器学习在未来二十年内也无能为力，比如二级市场投资。
@Leo
我很好奇有没有哪家公司是做以机器学习主导的量化，如果有的话，还让人感觉有希望。
@未知
我自己做的模拟，收益不稳定，少的时候一年就3%，多的时候一年十几。
@杨磊
成功案例不会公布啦，哈哈。
@Bill
我做到了，你没做到而已
@富强
以个人经历来看，机器学习重要的是数据源，然后是算法，抛开数据谈算法有点空中楼阁的意思
@大春
机器学习作为一种量化手段，肯定是可以用的，自适应的机器学习，深度学习，对量化一定是有作用的，投资市场也是人的博弈的过程，人的思维总会留下轨迹，这个就是需要机器学习，深度学习，迁移学习这样的方法的学习记忆的过程。不是没用，而是没用对，或者用的好的没有公布怎么用而已，毕竟策略公布后一段时间后就会失效
@颜晋南
用来分析股票之间的关联，这是我的想法。
@关伟
不知道，感觉有点虚。
@sunrise
高频交易不好说，似乎有施展拳脚的空间，长期的投资来看，同意上面一位同学的观点，就是大道至简，不管是机器学习机器遗忘还是人工智能人工智障，只有theory based策略才能真正奏效，如果复杂模型和简单模型是同样的实质，为啥还要暴力运算呢不过反正策略经过一段时间都会失效的，机器学习相对小众，失效会稍慢？！
@何飞颖
我司在用，前两年非常牛逼，今年开始走平，个人认为要用来挖绝对的圣杯是不可能，市场内在规律也在变化。
@Channel,CMT
有用，提高了效率和准确率，但是风险还是存在的。
@Seeking Alpha
机器学习就跟价值投资一样，被人说烂了。
@朱鑫垚Solo
机器学习只是工具，主要解决预测和分类的问题，目前来讲需要数据量比较大。如果应用在正确的方向和问题上，对于一些高频的数据一定会有不同于以往的进步。但其他方面还有待探索吧。
@笨JOJO
可以用，但是要做点处理。
@AG Stalker
实践告诉我，用机器学习算法优化cta策略的部分模块效果非常好。
@Ian Feng
值得一试，预计效果比SVM, 随机森林，HMM稍微好点。
@鸿
看如何用，一条均线也可做出好策略。
@Flynn Gu
经济学原理还不是人发现的，你能保证这个一定对吗，一些规律会随着市场进化而消失，也有可能内在的规律我们并没有发掘到，所以能接受市场检验的机器学习就是make sense的。
@天下熙熙
这个教授可能是聪明的笨蛋，拿鱼诱惑照片中的猫，服！
@wang
量化投资与机器学习违命题或不完全真命题?
@吴
投资金融一类的随机性很大，当前的机器学习很大程度都是模型，机器学习的方法会有成功案例，但还有待挖掘。
@量化的X
如果价格走势存在规律，那就有用。alpha因子中由价格和成交量得到的因子有效的话，那么价格和成交量作为ml输入得到的结果也理应有效。
@harford
还没到那么高的选择和优化能力。
@Mr咩星人
写作业时感觉HMM还可以，不过实战中感觉一般。
@杨磊
LSTM绝对有用啊。
@Simon
机器学习范围太大了，不如先讨论下神经网络。
@行者(Batuwaa)
没看到几个成功案例阿！
@背匕的我
编辑部觉得价值回归模型，因子模型，差分模型，随机过程模型哪个更靠谱。
@楠公爵
机器学期应该是基于大数据的，应用在高频交易应该效果比较好一点。
@天马行空
可以用来过拟合，还让人看不出来。
@Navi
机器学习就是一把利剑，用不用的好全凭个人。
作者：flyerye
链接：https://www.zhihu.com/question/64347446/answer/222118849
来源：知乎
著作权归作者所有。商业转载请联系作者获得授权，非商业转载请注明出处。
我们拿多因子模型为例。机器学习可以使用的地方，一是构造因子，还有一个是给因子配权重。这里的构造因子，是在已有的数据库里，用机器学习的方法尽可能的挖掘信息。比如在传统的EP和DP（市盈率和市净率的倒数）的基础上，我们探索EP*DP，或者EP开DP次方等是否存在有效的信息。换句话说，就是利用机器的快速的大批量的处理能力，来尽可能的挖掘有用信息。但这类方法看似在理，却和传统的投资逻辑不符。传统的逻辑是，我知道我要从什么角度去投资，而计算机只是我实现的工具。换句话说，像诸如EP或者DP这样的因子，构造的背后有着很强的理论依据。而机器学习寻找因子，却是在汪洋里面找寻未知的岛屿。即使找到了，我们也不知道这是数据拟合的结果，还是真的有效。再者，即使我们在组外测试效果好，在真实的交易中，真的要使用这个因子，也需要很大的信心。
目前机器学习在多因子模型中用的比较多的，还是给因子配权重，但个人以为在目前中国的市场，还是人为的配权重效果好。机器还是要根据过去的信息，得到最优化的效果，所以背后有个很强的假设就是大的环境保持不变。如果大环境掉头了，机器不一定能跟的上，比如今年。根本原因还是，数据不够多，机器能捕捉到的领域有限。如果你给机器喂的数据能涉及方方面面，我想它也是有能力判断出来的。有可能有的机构已经达到了，只是我们不知道罢了。
总的来说，目前机器学习的难点还是第一点，就是未知和已知的碰撞。下围棋，你可以让alphago随便探索，因为试错没有成本。但在投资领域，你可能可以接受百万甚至千万级别的试错成本，但每个人都有个上限。你是相信已知的认识，还是愿意挑战机器给你打开的潜在的未知世界。
其他阅读:
https://www.jiqizhixin.com/articles/2018-05-03-11
为什么机器学习在投资领域不好使
