【汇总读者评论】机器学习到底在量化投资中用的好吗？

编辑部

微信公众号

关键字全网搜索最新排名

『量化投资』：排名第一

『量       化』：排名第一

『机器学习』：排名第三

我们会再接再厉

成为全网优质的金融、技术类公众号

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……

@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。

关注者

从1到10000+

我们每天都在进步