全文共2547字,预计学习时长5分钟
图片来源:Unsplash Aron Visuals
机器学习的普及前所未有。它广泛应用于基于数据决策的领域,在投资领域亦是如此。只需要在谷歌中同时搜索“机器学习”和“股票预测”,便可以得到大量关于时间序列预测和循环神经网络的内容。尽管股票价格对于这类算法来说是绝佳的数据选择,但是我们仍应当谨慎行事,尤其是涉及到钱的时候。
开始学习机器学习预测技术的人基本都知道维恩图迭代:
可以清楚地看到,机器学习(或数据科学)将技术技能(例如编程和数学)和各领域专业知识相融合。没有这三种形式的共同呈现,就只能回归至其中一个纯粹的领域之中。
这一描述对金融领域的机器学习尤其适用。时间序列财务数据十分微妙,应用现成的算法去处理未加工的价格数据是发现错误和防止资金损失的一个很好的方法。因此,使用这些数据需要注意一些特殊事项,尤其是关于行业知识的应用。
基于此,本文致力于提供一些常常被新人忽略的直观事实。由于数学和编码相关的可用资源已经十分丰富了,这里主要关注对问题的探讨。
1. 数据