这是一个相当广泛的问题，并且有大量关于使用机器学习进行定量分析和股市预测的文献。

预测股市最经典的例子是使用神经网络。您可以使用您认为可能与您的预测相关的任何特征，例如失业率、油价、黄金价格、利率和时间序列本身，即波动性、最后 2,3 的变化， 7,..., days 等 - 更经典的方法是计量经济学中的输入输出分析，或自回归分析，但所有这些都可以使用神经网络或任何其他函数逼近器/回归非常自然地建模大大地。

但是，如前所述，市场建模还有很多其他可能性，仅举几例：蚁群优化 (ACO)、经典回归分析、遗传算法、决策树、强化学习等，几乎所有事物都有可能应用于股票市场预测问题。

市场上有不同的喜欢的经理类型。仍然有 Quants 使用经典金融数学和从物理学中借来的数学来描述市场走势进行定量分析。仍然有最保守的人对公司进行长期的基本面分析，即研究公司如何赚钱以及在哪里花钱。或者只是寻找短期内买入/卖出股票的即时信号的战术分析师。还有那些在其他方法中使用机器学习的量化人员。