监督学习:利用标签数据(如收益率)训练因子预测模型(如回归 / 分类)。
无监督学习:挖掘数据内在结构(如聚类、降维),发现隐藏因子(如市场风格划分)。
发布于2025-5-31 21:39 郑州
监督学习和无监督学习在因子挖掘中主要有以下区别:
在目标方面,监督学习有明确目标,需预测一个特定的输出变量。比如在股票因子挖掘里,目标可能是预测股票未来的涨跌情况。而无监督学习没有这个明确的目标,主要是发现数据里隐藏的模式和结构,像把相似的股票聚成不同的类别。
从数据标注来看,监督学习需要有标签的数据,即每个数据点都有对应的输出值。例如研究股票时,要知道每只股票过去一段时间内是涨了还是跌了。无监督学习则使用未标注的数据,不用提前给数据设定类别或数值。
在方法类型上,监督学习有回归和分类两种主要方法。回归用于预测连续值,如预测股票的具体涨幅;分类用于预测离散的类别,如判断股票是好是坏。无监督学习常见的方法是聚类和降维,聚类是把数据分成不同的组,降维是减少数据的特征数量。
最终应用上,监督学习得到的因子可直接用于预测和决策,如根据预测的股票涨跌来决定是否买卖。无监督学习得到的结果更多用于分析和理解数据,像了解不同类型股票的特征,为进一步的投资策略制定提供参考。
发布于2025-6-6 09:19 广州
搜索更多类似问题 >
想要学习炒股,应该如何学习?