如何將機器學習算法應用於股票市場？
我不太確定，如果這個問題適合這裡。
我最近開始閱讀和學習機器學習。有人可以闡明如何去做嗎？或者更確切地說，任何人都可以分享他們的經驗和一些關於如何去做的基本指示，或者至少開始應用它來查看數據集的一些結果？這聽起來有多雄心勃勃？
另外，請提及在執行此操作時應嘗試或查看的標準算法。
似乎有一個基本的謬論，有人可以過來學習一些機器學習或 AI 算法，將它們設置為黑匣子，點擊開始，然後在他們退休時坐下來。
我給你的建議：
先學習統計學和機器學習，然後再考慮如何將它們應用到給定的問題上。這裡沒有免費的午餐。數據分析是一項艱苦的工作。閱讀“統計學習的要素”（該 pdf 可在網站上免費獲得），在您至少了解前 8 章之前不要開始嘗試建構模型。
一旦你了解了統計和機器學習，那麼你就需要學習如何回測和建立交易模型，考慮交易成本等，這是一個完全不同的領域。
在你掌握了分析和財務方面的知識之後，如何應用它就會變得有些明顯了。這些算法的重點是試圖找到一種方法使模型適合數據並在預測中產生低偏差和變異數（即訓練和測試預測誤差將很低且相似）。 這是在 R 中使用支持向量機的交易系統範例，但請記住，如果您在嘗試應用深奧的東西之前不花時間了解基礎知識，您將對自己造成極大的傷害。
$$ Edit: $$ 只是添加一個有趣的更新：我最近遇到了這篇碩士論文：“A Novel Algorithmic Trading Framework Applying Evolution and Machine Learning for Portfolio Optimization”（2012）。與買入並持有相比，這是對不同機器學習方法的廣泛審查。在將近 200 頁之後，他們得出了一個基本結論：“在使用交易成本時，沒有任何交易系統能夠超越基準。” 不用說，這並不意味著它不能完成（我沒有花任何時間審查他們的方法來查看方法的有效性），但它肯定提供了更多支持免費午餐的證據定理。