机器学习将改变投资管理。然而，许多投资专业人士仍在加深对机器学习的工作原理和应用方法的理解。考虑到这一点，下面是机器学习训练方法的入门知识和机器学习决策流程图，其中附有解释性脚注，可帮助根据最终目标确定应用哪种方法。
机器学习训练方法
1.集成学习
无论选择得多么仔细，每种机器学习算法都会有一定的错误率，并且容易产生噪声预测。集成学习通过组合各种算法的预测并平均结果来解决这些缺陷。这减少了噪声，从而产生比最佳单一模型更准确和稳定的预测。事实上，多年来，集成学习解决方案赢得了许多著名的机器学习竞赛。
集成学习会聚合异质或同质学习器。异质学习器是与投票分类器相结合的不同类型的算法。相比之下，同质学习器是使用基于引导聚合或装袋技术的不同训练数据的相同算法的组合。
2.强化学习
随着虚拟现实应用越来越接近真实环境，反复试验的机器学习方法可能会应用于金融市场。强化学习算法通过相互交互以及从同一算法生成的数据中提取见解。它们还在深度学习 (DL) 中使用监督或无监督的深度神经网络 (DNN)。
2017 年，DeepMind 的 AlphaGo 程序在古老的围棋游戏中击败了卫冕世界冠军，强化学习因此成为头条新闻。AlphaGo 算法的特点是有一个代理，该代理被设计用来执行可以随着时间推移最大化奖励的动作，同时还会考虑到其环境的限制。
无监督学习的强化学习既没有针对每次观察的直接标记数据，也没有即时反馈。相反，算法必须观察其环境，通过测试新动作（其中一些动作可能不是立即最佳的）进行学习，并重新应用其以前的经验。学习是通过反复试验进行的。
学术界和从业者正在将强化学习应用于投资策略：代理可以是虚拟交易员，在特定市场（环境）中遵循某些交易规则（行动）以最大化其利润（回报）。然而，强化学习是否能够驾驭金融市场的复杂性仍是一个悬而未决的问题。
机器学习决策流程图
脚注
1. 主成分分析 (PCA) 是预测模型复杂度的代理，有助于减少特征或维度的数量。如果数据具有许多高度相关的 十我 特征或输入，则 PCA 可以对数据执行基础更改，以便仅选择在特征方差方面具有最高解释力的主成分。一组 n 线性独立且正交的向量——其中 n 是一个自然数，或非负整数——称为基础。输入是机器学习中的特征，而输入在线性回归和其他传统统计方法中称为解释变量或独立变量。同样，目标 是 机器学习中的（输出）是统计方法中的解释变量或因变量。
2. 自然语言处理 (NLP) 包括但不限于文本数据的情感分析。它通常有几个监督和无监督的学习步骤，并且通常被认为是自监督的，因为它同时具有监督和无监督的属性。
3. 没有正则化（惩罚）的简单或多元线性回归通常被归类为传统的统计技术，而不是机器学习方法。
4. 套索回归（或 L1 正则化）和岭回归（或 L2 正则化）都是借助惩罚来防止过度拟合的正则化技术。简单来说，套索用于减少特征数量或特征选择，而岭则保持特征数量。套索倾向于简化目标预测模型，而岭则可能更复杂并处理特征中的多重共线性。这两种正则化技术不仅可以应用于统计方法（包括线性回归），还可以应用于机器学习（例如深度学习），以处理目标和特征之间的非线性关系。
5. 采用深度神经网络 (DNN) 的机器学习应用通常称为深度学习。目标值是连续数值数据。深度学习具有超参数（例如，周期数和正则化的学习率），这些超参数是由人类而不是深度学习算法给出和优化的。
6. 分类和回归树（CART）和随机森林的目标值是离散的，或者分类数据。
7. 聚类数量 钾 — 超参数之一 — 是人类提供的输入。
8. 层次聚类是一种将相似的输入数据分组到聚类中的算法。聚类的数量由算法决定，而不是由直接的人为输入决定。
9. K-最近邻 (KNN) 算法也可用于回归。KNN 算法需要人类提供的邻居数量（分类）作为超参数。KNN 算法也可用于回归，但为了简单起见，这里省略了。
10. 支持向量机（SVM）是一组应用于线性分类但也使用非线性分类和回归的监督学习方法。
11. 朴素贝叶斯分类器是概率性的，应用贝叶斯定理，对特征之间进行强（朴素）独立性假设。
参考
Kathleen DeRose（特许金融分析师）、Matthew Dixon（博士、金融风险管理师）和 Christophe Le Lannou。2021 年。“机器学习。”特许金融分析师协会 复习阅读. 2022 CFA 二级阅读4.
Robert Kissell 博士和 Barbara J. Mack。2019 年。“投资管理中的金融科技。”特许金融分析师协会 复习阅读，2022 CFA 项目一级，阅读 55。
如果你喜欢这篇文章，别忘了订阅 进取的投资者。
所有文章仅代表作者的观点。因此，这些文章不应被视为投资建议，所表达的观点也不一定反映 CFA 协会或作者雇主的观点。
图片来源：©Getty Images/Jorg Greuel
CFA 协会会员的专业学习
CFA 协会会员有权自行决定和报告所获得的专业学习 (PL) 学分，包括以下内容 进取的投资者. 会员可以使用在线 PL 追踪器轻松记录积分。
关键词：
