《机器学习》兴趣小组第二讲： 聚类算法神经网络及其在量化选股中的实践

Posted 2021-04-09 金院MF

《机器学习》

兴趣小组第二讲

       2017年4月16日下午14:00，金融学院《机器学习》兴趣小组第二次讨论会于博学楼918教室举行，金融学院量化专硕项目主任潘慧峰老师、副主任张书宇老师以及兴趣小组同学现场参加了讨论会，并通过QQ在线视频方式为无法到场的同学远程分享。

       本次研讨内容为《聚类算法、神经网络及其在量化选股中的实践》，主讲人为2015级量化专硕唐哲师兄，目前在中量网从事量化策略开发工作。主讲人首先为同学们介绍了聚类分析几种常用的算法，如K-mean算法、二分k-mean算法、高斯混合聚类算法等，依次介绍了其基本原理、具体步骤、优势和局限性等，并基于实际数据采用MATLAB程序进行演示，对关键代码逐句讲解，加深了同学们的理解。紧接着，主讲人着重介绍了层次聚类方法，用生动形象的树状结构讲解了其代表算法AGNES算法，即自下而上地把小的cluster合并聚集，逐层进行直到全部合并为一个cluster。期间，对大家困惑的问题做出了及时解答，使同学们在数据处理方面深受启发。

       接下来，唐哲师兄为大家讲解了如何基于神经网络的构建多因子选股模型。先从神经网络的思想、各因子的选取标准、模型搭建规则、MATLAB相关工具包等方面一一作了介绍，并用MATLAB代码为大家作了具体展示，回测结果显示，一个比较简单的基于神经网络的选股模型，其回测结果至少与一个线性模型的水平相当，若进行优化则效果会更加理想。

       在讨论环节中，老师和同学们对基于神经网络的多因子模型的设计逻辑、发展进程和决策能力、业界的相关评价等方面进行了讨论。大家普遍认为，对于金融市场和金融逻辑的深刻理解是更重要的，但对于优化量化策略来说，神经网络仍然是重要的辅助工具。