本质上，我想做的是创建一个人工智能应用程序，该应用程序将提供与“专家”相同的数据，看看我是否能创造出更准确的东西并击败他们。这是一种可行的方法吗？

当然，您可以在这里使用一种或多种监督学习技术来训练模型。你有特征、目标变量和该变量的基本事实。

除了应用您所学的 ML 之外，您需要做的所有事情来公平地测试您的应用程序是保留您拥有的一些具有专家预测的数据作为测试数据进行比较（即不要使用它进行训练）。

我会用一些额外的想法警告这一点：

• 除了提到使用 ML 之外，您还没有真正在这里概述“方法”。

• 在构建测试版本时，请注意不要将未来的数据泄漏回预测模型。

• 预测股票和市场是很困难的，因为它们对自己的可预测性做出反应，而且许多专业组织利用他们可以计算的最微小的优势进行交易，同时拥有经验丰富和高素质的员工来收集和分析数据。

不是答案的直接部分，而是任何刚开始并发现机器学习并找到此问答的人：

请不要想象在家中使用统计数据预测市场会获得丰厚的回报，这不会发生。如果您认为这是一条“击败市场”的路线，请注意您并不是第一个想到这样做的人，这样的计划可以总结如下：

1. 市场数据 + 机器学习
2. ？？？
3. 利润

可以填写？？？通过学习有关金融市场的大量信息 - 即基本上通过成为专家之一。ML 不是捷径，但如果您是或计划成为市场分析师，它可能是一个有用的工具。

通常我会将其添加为评论，但由于我的分数阈值 < 50，我无法这样做 - 因此“答案”响应

如果您对针对历史和未来指数价格运行 ML 算法感兴趣，您可能对Quantopian - Kaggle for Finance Quants感兴趣。

在 Quantopian，您可以上传、测试您的结果并将其与其他 ML Finance Quants 进行比较。此外，您将了解金融部门固有的某些财务指标/比率。

你可以看看这个。

https://towardsdatascience.com/simple-stock-price-prediction-with-ml-in-python-learners-guide-to-ml-76896910e2ba

这也值得一看。

https://www.analyticsvidhya.com/blog/2018/10/predicting-stock-price-machine-learningnd-deep-learning-techniques-python/

最后，直接在下面考虑这种技术。这是投资组合优化，而不是股价预测。在华尔街工作了 15 年之后，我发现股票价格预测毫无用处。另一方面，投资组合优化可能是有利可图的。就个人而言，我使用如下所述的简单技术赚取了数百万美元的利润。

https://www.pythonforfinance.net/2017/01/21/investment-portfolio-optimisation-with-python/

我认为您缺少有关您所谈论的“专家”的一些要点：

• 他们已经存在了很长时间，他们已经从中赚了很多钱，他们想保持这种状态

• 他们已经为此使用了先进的技术（量化金融），并且总是尝试像 ML 这样的新事物

• 他们在他们的学术领域处于领先地位/雇用在他们的学术领域处于领先地位的人

• 他们拥有所需的所有硬件/软件

是的，您可以使用一些 ML 技术来预测股市，但是您似乎不屑一顾的那些专家遥遥领先，请参阅 2011 年的 Quant SE 问题：https ://quant.stackexchange.com/questions/111/how-can -i-go-about-applying-machine-learning-algorithms-to-stock-markets

实际上，机器学习在金融领域的应用最近出现了繁荣，因为这些专家开始公开他们的方法，请参阅金融机器学习进展及其配套实施MLfinLab）