《金融机器学习和书籍科学实践》第一章

一段话总结

野生量化员分享了《金融机器学习和书籍科学实践》第一章的学习内容。选择该书是因作者为量化交易和机器学习领域的实战牛人（有投行工作经验）。第一章介绍了金融机器学习的11个应用场景（主讲人最感兴趣的是投资组合管理和资产价格预测），以及机器学习的三种类型——监督学习（有标准答案，如用历史数据教AI预测股价涨跌）、无监督学习（无标准答案，AI自主发现规律，如给股票分类）、强化学习（通过试错学习，如AI尝试交易策略，奖惩机制引导优化）。

视频

思维导图

---

详细总结

1. 书籍选择原因
   主讲人选择《金融机器学习和书籍科学实践》，是因为该书作者均为量化交易和机器学习领域的实战牛人，且有投行工作经验，实战经验丰富，跟着其学习更具参考价值。
2. 第一章核心内容
   • 应用现状和场景：第一章介绍了金融机器学习的11个应用场景。其中，主讲人最感兴趣的是两类：
     ① 投资组合管理；② 资产价格预测（即股价预测）。
   • 机器学习的类型及区别： 类型 核心特点 例子 监督学习 有标准答案，类似老师教学生，通过“题目+正确答案”让AI学习规律 用历史数据告诉AI“什么情况股票涨、什么情况跌”，使其学会预测股价涨跌 无监督学习 无标准答案，AI自主分析数据，发现规律并分类 给AI一堆股票数据，使其自主找出走势相似的股票并归为一类 强化学习 通过试错学习，有奖惩机制，类似AI玩游戏，通过奖惩优化行为 让AI尝试各种交易策略，赚钱（奖励）则保留，亏钱（惩罚）则调整策略

---

关键问题

1. 问题：选择《金融机器学习和书籍科学实践》这本书的主要原因是什么？
   答案：因为该书作者是量化交易和机器学习领域的实战牛人，且有投行工作经验，实战经验丰富，跟着其学习更具实用性和参考价值。
2. 问题：强化学习与监督学习、无监督学习的本质区别是什么？
   答案：强化学习的核心是“通过试错学习”，依赖奖惩机制引导AI优化行为（无固定标准答案，靠不断尝试调整）；而监督学习有明确标准答案（通过“数据+答案”教学），无监督学习无标准答案（AI自主发现数据规律）。
3. 问题：第一章提到的11个金融机器学习应用场景中，主讲人重点关注哪两个？分别对应什么内容？
   答案：主讲人最感兴趣的是投资组合管理（优化投资组合）和资产价格预测（预测股价等资产价格走势）。