机器学习与量化投资：避不开的那些事（1）
创建于 更新于
摘要
本报告系统性分析了机器学习在量化投资中的应用，涵盖高频与低频策略、线性与非线性模型、单次分析与推进分析以及分类与回归的差异。通过多个机器学习模型（如标准神经网络回归、支持向量机回归、神经网络分类等）在股指期货市场的实证回测，展示了其策略表现和风险点。报告指出标准神经网络回归策略表现优异，年化收益超80%，夏普3.55，同时强调机器学习策略存在历史数据依赖和过拟合风险，需合理调整模型及交易策略 [page::0][page::3][page::4][page::6][page::8][page::12][page::14][page::15][page::16][page::17]
