《机器学习》

兴趣小组第三讲

 

2017年4月23日下午14:00，金融学院《机器学习》兴趣小组第三次研讨会于博学楼918教室举行，金融学院量化专硕项目主任潘慧峰老师和兴趣小组现场以及远程参加了讨论会。

 

     本次主讲人是邓安捷，对外经贸大学金融工程专业四年级，考研至对外经贸大学金融学硕士。目前在大行简道资产管理有限公司从事CTA策略研发工作，曾就职于JoinQuant量化回测平台，雪球的私募基金子公司进行A股量化策略研发。

本次分享从一个机器学习小白的角度，参考周志华《机器学习》第一到第四章对机器学习的定义，算法的评估和测试方式，可能出现的问题等方面进行讨论，结合线性模型，决策树模型等对机器学习的基础算法进行探讨。

 

    对于机器学习的定义，首先从人机决策模式对比入手，引入Tom Mitchell给出的机器学习严格定义：“A computer program is said to learn from experience E with respectto some class of tasks T and performance measure P if its performance at tasksin T, as measured by P, improved with experience E.”并以例子说明NFL定律（No FreeLunch Theorem），阐明机器学习算法本身并无好坏之分，关键要考虑研究的问题背景。

模型评估方面，着重介绍了几种不同的样本集分割方法：留出法，交叉验证法和自助法。阐述了使用上述方法应该注意的问题。同时简单介绍了不同种类机器学习算法的性能度量。

具体的模型方面，本次分享介绍了最简单的线性模型和简单的分类算法，包括一（多）元线性回归，逻辑回归，线性判别分析，二分类决策树，同时引入了牛顿法，梯度下降法奇异值分解等数值分析方法的介绍。

  分享的最后，正在筹备成立的QuantFactory量化投资俱乐部的研究小组成员介绍了自己的课题方向和招募要求，课题及课题负责人及负责人介绍如下：

 

 

张日升

13级中央财经大学金融工程专业，已保送到贸大量化专硕项目。

研究方向为资产定价，投资者情绪，股票多因子等，偏学术，《经济研究》学术论文在审（2作）。

课题方向：动量研究和资产定价，要求有论文阅读能力和编程基础（SAS，MATLAB或者Python）。

 

刘绍林

贸大13级金融工程，已保送至人大汉青量化金融专业硕士

目前实习与北京中港融鑫资产管理有限公司，负责《高频选股因子应用于A股》项目

曾在北京卓循投资咨询有限责任公司实习，负责挖掘港股市场，ETF和股指期货的协整套利研究。

课题方向：从tick级和分钟数据挖掘高频因子开发量化策略；统计套利的研究等。

 

赵阳

贸大金工本科，金融学院金融学硕士录取

现于锐思数据库实习，本科阶段在（期权）定价及市场有效性方面做过研究，SAS，VBA助教，码力OK。

研究有以下几个方面：

（1）把市场中的产品通过理论模型对其价格进行估计，并与实际价格进行对比

（2）基于某些已有的交易策略，对历史数据进行回测

（3）基于无套利原则，设定一些不等关系，并在历史数据中进行验证

 

袁军

北京师范大学物理系本硕，贸大金融工程博士

熟悉资产定价理论和实证模型，技术分析模型，熟悉机器学习理论（遗传算法，神经网络和支持向量机），在利用机器学习算法在量化选股领域经验丰富。

编程基础扎实，熟悉C，Fortran，MATLAB。

课题方向：利用机器学习算法进行量化选股，并对策略效果进行评价和优化。

 

唐哲

金融学院15级量化专硕，目前在某私募从事股票量化策略研究，主要研究方向为机器学习、多因子选股模型、股票Alpha策略，有半年以上机构实盘管理经验。

课题介绍

1、理解并掌握多因子选股及股票Alpha策略的整个流程；

2、基于股票的横截面数据、时间序列数据以及其他数据，挖掘具备选股能力的因子；

3、设计打分规则及算法，利用找到的有效因子对股票进行打分；

4、设计风险模型，优化股票池的风险结构，获取想要的Alpha收益。

 

投递简历至网易邮箱：QuantFactory@yeah.net

邮件主题和简历名称：

姓名+专业+年级+第一志愿负责人姓名+第二志愿负责人姓名+是否接受调剂

本次招募截止日期：5.1

备注：招募对其他学校和从业人士开放（从业人士请注明公司，职位），欢迎大家定向转发。

微信扫一扫
关注该公众号