华泰人工智能系列之七：人工智能选股之python实战

《华泰人工智能系列之七：人工智能选股之python实战》由会员上传分享，免费在线阅读，更多相关内容在行业资料-天天文库。

1、证券研究报告金工研究/深度研究2017年09月19日林晓明执业证书编号：S0570516010001人工智能选股之Python实战研究员0755-82080134linxiaoming@htsc.com华泰人工智能系列之七陈烨010-56793927联系人chenye@htsc.com介绍Python安装方法、与机器学习相关的包以及常用命令Python语言是目前机器学习领域使用最广泛的编程语言之一，拥有众多优相关研究秀的包和模块，并且相对简单易学。我们将简单介绍Python语言的特性，1《金工:人工智能选股之

2、Boosting模型》常用命令，以及和机器学习相关的包，例如NumPy，pandas，scikit-learn2017.09等，希望帮助有一定编程基础的读者迅速上手Python语言。2《金工:人工智能选股之随机森林模型》2017.08机器学习选股框架与多因子选股框架类似，具有一定优越性3《金工:周期三因子定价与资产配置模型》机器学习中最为主流的方法监督学习，其核心思想是挖掘自变量和因变量2017.08之间的规律。我们将经典多因子模型稍加改造，以机器学习的语言描述。在训练阶段，根据历史的因子值X和收益r，训练监

3、督学习模型r=g(X,f)，得到模型自由参数的估计量f。在测试阶段：根据最新的因子值X、参数估计量f和监督学习模型g，预测下期收益r。机器学习方法相较于线性回归的优越之处在于：首先，机器学习可以挖掘数据中的非线性规律；其次，正则化的引入能够筛选出最有效的自变量；再次，参数优化的过程能够遴选出预测力最强的模型。将机器学习选股代码拆分成十二个子模块进行详尽讲解我们将机器学习选股代码拆分成十二个子模块，包括：模块导入、参数设置、数据读入、数据标记、数据预处理、模型设置、模型训练、模型预测、模型评价、策略构建、策略评

4、价和结果保存。每个子模块我们将展示代码并且逐句进行讲解。报告中展示的代码是完备且成体系的，可以根据需要进行整合，构建一套完整的机器学习选股模型。风险提示：通过Python编写人工智能选股算法受到数据库架构、网络环境、计算机硬件条件限制，报告中代码经移植后可能不能正常运行；通过人工智能算法构建选股策略是历史经验的总结，存在失效的可能。谨请参阅尾页重要声明及华泰证券股票和行业评级标准112846594/16348/2017091913:32金工研究/深度研究

5、2017年09月19日图表目录图表1：Anaconda

6、Prompt命令行窗口..........................................................................5图表2：AnacondaPrompt安装包.................................................................................6图表3：AnacondaPrompt更新包...............................................

7、..................................6图表4：help命令...........................................................................................................7图表5：列表的操作...............................................................................................

8、.........7图表6：调入NumPy包..................................................................................................8图表7：创建数组............................................................................................................8图表8：构建等差数列.........

9、............................................................................................8图表9：数组重塑....................................................................................................