机器学习与股票预测
股市是一个有反馈的非线性系统，而股票的涨跌现象是一种混沌现象。
混沌现象是一个目前仍不可预测的东西。混沌系统，非线性动力学系统。混沌局部可预测。
股价无法预测，不过未来的波动性，就是standard deviation可以预测，基于现代portfolio理论，就可以构建自己的投资组合。
谷歌创始人说过，利用人们的搜索内容的大数据进行股市预测，不是不可能，只是不允许
使用BP神经网络进行任意非线性逼近，应该可以完成短线的趋势预测
机器学习的用法不是帮我们寻找因素（即：特征量），而是根据给定的特征量对模型进行学习。另外不必须知道所有因素才能做预测。请注意我的逻辑，我是说存在只了解部分因素而做出准确判断的情况。正是因为特征量相互之间也许并不独立，因此可以给问题降维也就是消掉一些特征量。此外，对于因素相互之间有影响的系统，也不一定不可以进行分析。比如网页的检索算法就很好地处理了相互影响的复杂网络系统，为用户找到了与他们的问题最相关的网站。
影响股价的因素不仅仅是历史股价，还有更多的因素，公司的近况，股民对股票的态度，政策的影响等等。
由于大家都在不停地用自己的模型去影响市场，所以任何人的模型都会在一段时间后失效，因为系统里多出了许多你的模型中原本没有考虑的因素。
也就是说市场里的玩家越多、越强，这个系统会自动的变的越来越复杂。
文艺复兴公司，大奖章基金，西蒙斯，高频交易
SVM和DL。
强化学习的本质是学习动作状态与值的映射，并通过与环境的交互获取反馈，并最大化累积回报来求取最优策略。
John moody, hedge fund。
股市说到底并不是赌博，是有规律可循的，既然有规律那就可以编程描述规律，短期预测。
过去7年，摩根大通操作股票只亏了1天。
高盛现在面对投资资金不超过100万美元的“富裕大众”也推出了机器人投顾服务， 摩根士丹利也将于年内上线自己的机器人投顾。
量化交易，程序化交易
《战胜金融期货市场》
1、追涨买跌法。即前一天要涨了，后一天就买；前一天跌了，后一天就卖。买卖数量根据价差自动找出最好的
2、MACD方法。参数（快线6天，慢线9天，DIFF线6天），自动优化计算。
3、机器学习。使用SVM支持向量机，样本外回测，样本最佳数目自动计算。
回测结果：1、跌涨判断准确率。追涨买跌法--55%，MACD法--52%，机器学习SVM--61%。2、再从年化收益衡量，机器学习SVM排第一，追涨买跌法排第二，MACD法垫底。
央视纪录片《华尔街》
基于神经网络的机器学习炒股软件
