机器学习到底在量化金融里的哪些方面有应用？

      如果大家去搜索早期的神经网络、SVM的相关论文，会发现不少是做股票预测的。原因很简单，因为似乎我们可以天然地把股票投资的问题看成一个分类问题或者回归问题。回归的角度，我们可以根据之前的历史数据，预测下一个时间点的股价；分类的角度，我们可以根据历史数据，预测下一个时间点股价的正负。看起机器学习的方法可以完美适用了。不过这个结论显然是有待推敲的，因为如果真的完美适用，那么机器学习的大牛们怕是已经赚发了。

      那么，问题在哪里？个人的观点，大家没有太多关注机器学习算法能够work的assumption。以分类问题为例，分类算法能够work的assumption是在同一类下，样本数据应该是i.i.d.的。而股票价格数据特点就是，股票return的correlation极低，noise多，而且不stationary。如果明白了这两点，我们再回过头去看这类文章的思路，就发现了问题。绝大部分文章在提取特征方面基本没下什么功夫，就靠股票的return的信息来构成pattern。这样，因为股票return的不稳定、高噪声、低相关性，使得最终做成的pattern没法满足在同一类的情况下i.i.d的条件&