学习目标
理解监督学习、无监督学习和强化学习的基本概念
掌握常用机器学习算法的原理和适用场景
学会使用Scikit-learn构建金融预测模型
理解模型评估与选择的方法
课堂学习内容
核心知识点
一、监督学习在金融中的应用
| 算法 | 金融应用 | 优势 | 局限 |
|---|---|---|---|
| 线性回归 | 资产定价、因子模型 | 可解释性强 | 非线性关系 |
| 逻辑回归 | 信用评分、违约预测 | 概率输出 | 线性决策边界 |
| 随机森林 | 特征选择、风险分类 | 抗过拟合 | 黑箱模型 |
| XGBoost | 量化选股、信用评级 | 高精度 | 计算成本高 |
二、模型评估指标
- 分类：准确率、精确率、召回率、F1-score、AUC-ROC
- 回归：MSE、RMSE、MAE、R²
- 金融特有：夏普比率、最大回撤、信息比率
三、过拟合与正则化
- L1正则化(Lasso)：特征选择
- L2正则化(Ridge)：参数收缩
- 交叉验证：时间序列的特殊处理