支持向量机在算法交易中的应用 内容： 介绍 以下研究复制了国际会议发表。 人工智能（ICAI'18）。 本文提供了有关机器学习技术的使用的深思熟虑的分析，该机器学习技术应用于使用常见指数（例如S＆P500和芝加哥期权交易所市场波动率指数（VIX））的算法交易。 为了测试算法在上升趋势期间和下降趋势期间的效率，进行了交易模拟。 比较统计和经济绩效指标以讨论最有效的技术。 分析中使用的输入是众所周知的定量指标，例如相对强度指数和移动平均趋同-趋同。 结果的相关性在于针对每种趋势使用单独的训练模型。

机器学习算法案例实战（python实现） 一。 1.加载数据 用熊猫加载 2.数据探索性分析及可视化 用matplotlib和seaborn对数据的标注（结果）进行。 3.特征处理 用pandas去除无关特征 用StandardScaler对数据进行标准化 4.模型训练 用train_test_split划分训练集和测试集 选择模型：SVM，决策树，随机森林，KNN 用GridSearchCV优化模型参数 用管道管道机制定制化分类器训练流程 5.模型评估 用对不同模型进行评估， 。 二。 1.