现在的趋势都是基于机器学习算法的投资策略 比如神经网络算法投资策略、随机森林算法投资策略。 随机森林算法投资策略： 把”机器学习“应用到量化投资领域，不同于以往的量化策略。机器学习算法是一类从数据中自动分析获得规律，并利用规律对未知数据进行预测的算法。其中，随机森林算法是一种基于统计学习理论的组合分类器。它可以将用户自选的各个因子，以机器训练的方式，自动分析其影响力度，从而给用户投资建议。 适合做多分类问题； 1.当存在分类不平衡的情况时，随机森林能够提供平衡数据集误差的有效方法(通过属性评估?)； 2.训练和预测速度快； 3.对训练数据的容错能力，是一种有效估计missing值的方法，当数据集中有大比例的数据缺失时仍然可以保持精度不变； 4.能够有效地处理大的数据集； 5.它能够处理很高维度(feature很多)的数据，并且不用做特征选择 6.能够在分类的过程中可以生成一个泛化误差的内部无偏估计(OOB error可以作为泛化误差的一个估计)； 7.能够检测到特征之间的相互影响以及重要性程度(通过feature_importances_方法)； 8.不容易出现过度拟合；实现简单容易并行化(通过n_jobs)。 9.模型的上述性能可以被扩展运用到未标记的数据集中，用于引导无监督聚类、数据透视和异常检测