大数据、机器学习、深度学习在投资领域应用的方法论概述： —大数据研究之五
创建于 更新于
摘要
本报告系统介绍了大数据、机器学习及深度学习在投资领域的应用方法论，涵盖数据分类、情感分析、常用机器学习算法（如惩罚回归、卡尔曼滤波、极端梯度上升等）、非监督学习中的因子分析和聚类，以及多种深度学习模型（循环神经网络、LSTM、卷积神经网络、受限玻尔兹曼机、深度信念网络）在股市预测和投资组合构建中的具体实例与效果验证，揭示了人工智能技术提升投资效率与盈利能力的潜力，且深度学习的应用仍处于早期探索阶段，未来具备广阔前景[page::0][page::3][page::6][page::20][page::24]。
