1 回顾
- 爬取数据
- 数据的清洗
- 特征工程、机器学习、量化指标
- 模型评估、回测风控
- 构建系统
2 论文速读
特点：
- 采用SVM+粒子滤波（在时序数据中表现优于卡尔曼滤波）进行建模
- 基本输入为价格+其他量化指数
- 但是最后的模型评价和回测有点糟糕
特点：
- 整体架构清晰严谨
- 特征选择丰富可用（分为时间敏感类特征和时间不敏感类特征）
- 有相关复现代码
- 就是代码解读相关的文章链接失效咯~
3 案例分析
标题： high frequency trading- How I made $500k with machine learning and HFT 日期：2012-11-06
特点：
- 针对Russel 2000和DAX期货合约进行高频交易
- 每日交易频次达到了1000-4000笔(一半做多，一半做空)
- 没有一天损失超过2000美元，也没有一个月亏损
标题： SVR预测股票开盘价 日期：2016
特点：
- 利用SVR建立的模型对股票每日开盘价进行回归拟合
- 数据量小，特征过于简单，建模只用了默认参数，无需深入研究；可以作为反面教材反思
标题：基于SVM的机器学习策略 日期：2017
特定：
- 特征包括indicator，valuation，income等46个指标
- 因变量设定存在偏斜，不太适合SVM模型
- 不能随便进行样本随机，只用了1/5的现金，无需深入研究
4 课程推荐
5 书籍推荐
《高性能python》 《机器学习实战》《机器学习系统设计》 《期货市场技术分析》《主动投资组合管理》《可视化量化金融》 《Python金融大数据分析》 《代码之髓 / Effective Python / 编程珠玑》 《Python编程快速上手—让繁琐工程自动化》 《Learn Python the hard way》 《Introduction to statistical learning》 《图解机器学习》
6 面试技巧
面试宝典：
.pdf)
重要问题：
- 如何解决过拟合的情况
- 正则化的理解和意义