【发布时间】：2011-04-05 00:12:47
【问题描述】：
我正在尝试对一个计算机科学项目的股市预测方法、它们的工作原理和比较进行调查。我知道神经网络，我的项目本来是要基于它们的，但是看了这个问题的回答后：
我认为最好看看整个领域。谁能告诉我一些好的研究资源？
我不怕数学。 谢谢。
【问题讨论】：
标签： machine-learning neural-network stocks
【发布时间】：2011-04-05 00:12:47
【问题描述】：
高斯混合模型、狄利克雷过程、韦纳过程、随机过程是您应该在 google 上搜索的术语。神经网络不行。但是，您也应该看看 CS 和 ML 中的无免费午餐定理。
【讨论】：
您似乎对金融数学和算法交易感兴趣。这两个领域都是巨大的。仅金融数学就有 100 多年的历史。
这是一个令人难以置信的开放式问题，您并不知道从哪里开始。我建议从相关主题的 wiki 页面开始：
简而言之，金融数学涉及通过公式确定股票或衍生品的预期未来价值。算法交易使用金融数学公式来建议或自动进行交易。
Black-Scholes 模型被广泛使用，是了解算法交易中使用的算法背后的数学原理的良好起点。从它开始，然后转向您认为更适合您想要完成的其他模型。
【讨论】：
-
谢谢，这很有帮助。我设法找到了一门数学金融的在线课程：galton.uchicago.edu/~lalley/Courses/390你知道任何专门关于算法的好书，最好是里面有很多练习吗？ （把问题缩小一点）
您应该尝试查看“股票价格概率”或“波段交易技术”或“技术分析”的主题，并对它们进行建模。 （顺便说一句 - 阅读 LTCM - 长期资本管理，了解为什么波动性和预测人类行为几乎是不可能的）。
最终的答案不是预测股票价格（许多人认为您无法做到），而是与无风险工具（例如国库券）相比，最大限度地减少您的总投资组合波动并最大限度地提高您的风险回报。这是在“现代投资组合理论”的主题下。
另外 - 查看http://www.quantmod.com/（开始学习 R）
【讨论】：