✏️写作：个人博客，InfoQ，，知乎，CSDN
公众号：进击的Matrix
特别声明：创造不易，未经授权不得转载或抄袭，如需转载可联络小编授权。
为什么是机器学习，现在它有什么特别之处
先进技能在金融范畴的应用和金融市场自身相同陈旧，在竞争剧烈、风险回报丰厚的环境中，获取价格、心情和交易流相关信息的巴望是一个自然要素。在曩昔十年左右的时间里，人们对各种形式的机器学习(ML)的兴趣急剧上升。虽然计算机科学的这一范畴里并不新鲜，但受到互联网更新换代、大数据出现和一系列提取、剖析和操作信息的东西的支持，机器学习现在正蓬勃发展。
在量化金融中，机器学习在财物估值、财物配置、风险管理和合规方面发挥着效果。作为一种技能手段，机器学习能够进步定价的准确性，确认新的出资战略，提醒各种形式的风险，在金融和银行业很受欢迎。
机器学习怎么改变量化金融格式
那么，机器学习和量化金融是怎么结合在一起的呢？在CQF研讨所最近进行的一项调查中显示，88%的受访者猜测，机器学习将在未来五年内改变量化金融的实践。
- 量化金融在运用模型、理论和证明方面有坚实的基础，基本上是从抽象到举动。
- 机器学习则采取了相反的办法——专心于历史经验数据，并开发基于实际世界的模型。
如果说一般的量化金融被视为一种自上而下的办法，那么机器学习则供给了一种互补的自下而上的替代方案。 机器学习的数据驱动模型和战略能够运用两个世界的优势，以此应战已刻画的现代出资实践的概念和理论。
不要数典忘祖
虽然机器学习的运用令人信服，但人们必须记住古希腊的格言，“凡事都要适度”。回顾CQF的调查结果，大多数受访者的确以为机器学习为量化金融从业者带来了一系列令人兴奋的功能，但他们也坚持以为，传统的量化技能也将继续发挥重要效果。
在最近一期新的CQF研讨所的QuantSpeak中，Vola Dynamics的Misha Fomytskyi博士解说说：“人们不能像黑匣子相同运用机器学习和某种奥秘的算法——你仅仅把数据扔给它，并以为它会给你答案。我以为正确的办法是将这两种办法（机器学习和传统定量技能）结合起来，并将这些办法分层“。从某种意义上说，你能够将工作流的不同层分成子问题，在每个级别上，你能够运用传统的数学东西或机器学习东西解决它，然后转到可能运用不同办法的另一个步骤。关于许多量化剖析师来说，这将是一个学习怎么运用机器学习东西以及怎么不运用它们的学习进程。
明显，很多的财物和期权定价模型刻画了现代金融业，虽然它们有缺点和缺点，但环绕它们现已产生了很多的研讨和实际工作。即使是著名的，但有时被诟病的布莱克斯科尔斯模型（Black Scholes Model）仍然是量化金融的试金石。在这种环境下，机器学习将有助于推进新的见地，或许能够验证一些模型和办法，一起有助于重塑或下降其他模型和办法。真正的优势在于这些观点的融合——通过很多的回溯测验、点评、试验和更深化的剖析。
最终欢迎我们点赞、收藏、谈论，转发！
欢迎我们关注我的微信公众号！随机共享无用的计算机知识，
微信查找：进击的Matrix
