一篇关于机器学习与金融预测的文章

抽空阅读了《Stock Market Forecasting Using Machine Learning Algorithms》文章，有以下一些问题值得记录一下：

（1）方法的原理是，利用不同地区市场、不同类别市场（如黄金、股票）的相关性以及已经发生的走势情况，预测NASDAQ走势。分析表明效果不错，能达到70%以上的正确效率。

（2）数据及预处理：采用16天的日线数据作为特征，由于认为绝对值不重要，更看重走势，考虑的是相对涨幅。并且，进行了归一化，事实上考虑的仅是符号而已。

（3）文章首先进行了相关性分析，如下图，发现各市场走势基本是马尔科夫过程，不具有根据历史数据预测未来的基础；而市场相互之间具有一定的关联性，而部分市场在NASDAQ市场开盘前休市或者即将休市，因此可以利用它们之间的相关性，提前预知当天该市场的收盘涨跌情况。

（4）方法的问题：猜测很多人发现了不同市场具有相关性，而具有关联性的市场上涨后，其他市场立马高开。总结一句话，大家都发现了该规律，只能是然并卵。