套期保值/投资组合优化的机器学习？

Question

随着越来越复杂的方法，工作在大规模数据集，金融应用是显而易见的。我知道在金融服务部门使用机器学习来发现欺诈和标记欺诈活动，但我对如何帮助预测第二天的股票价格以及某一特定公司的股票要购买多少股，了解得较少。

对冲基金是否仍然采用数学金融学文献中的投资组合优化技术，还是已经开始使用机器学习来对冲他们的押注？更重要的是，这些对冲基金所使用的特征是什么?有代表性的问题是什么？

Answer 1

这是一个相当广泛的问题，关于利用机器学习进行定量分析和股票市场预测的文献很多。

预测股市最经典的例子是使用神经网络；你可以使用你认为与你的预测相关的任何特征，例如失业率、油价、黄金价格、利率和时间序列本身，即波动性，最后2,3,7，.天的变化等--更经典的方法是计量经济学中的投入产出分析，或自回归分析，但所有这些都可以用神经网络或任何其他函数近似/回归来很自然地建模。

但是，如前所述，还有很多其他的可能性可以用来模拟市场，比如蚁群优化(蚁群优化)、经典回归分析、遗传算法、决策树、强化学习等等，几乎所有的东西都可能已经应用于股票市场预测问题。

市场上有不同类型的喜欢的经理。目前仍有量化分析，利用经典的金融数学和从物理学中借用的数学来描述市场走势。仍然有一些最保守的公司对公司进行了长期的、基本的分析，即看看公司是如何赚钱的和在哪里花钱的。或者只是寻找短期内买入/卖出股票的直接信号的战术分析师。以及那些利用机器学习和其他方法进行定量研究的人。