论文部分内容阅读
作为投资界新兴的方法,量化投资凭借稳定的业绩,市场规模和份额逐渐扩大,已然成为资本市场的发展热点。机器学习作为人工智能的分支,以其强大的数据处理和自学习能力能够实现对金融市场非结构化信息的有效分析,因而成为量化投资领域中的重要应用方法。作为十大经典机器学习算法之一的集成学习方法AdaBoost,自提出以来已得到深入广泛的理论研究和应用,但对于AdaBoost在量化投资细分领域的改进和应用涉及较少。本文的研究尝试将AdaBoost算法应用于量化交易,并根据金融市场行情特点对算法加以改进。首先概述了国内