从线性模型到深度学习：和MATLAB共同见证股票收益预测的进化

收益预测是股票投资过程中最重要的步骤。

传统做法是使用线性思维下的多因子模型。即通过分析因子历史选股能力，预测因子收益，并得到股票的预期收益率。其中，股票预期收益与实际收益的相关系数IC及相关系数的信息比率IC-IR，是评价收益预测模型的重要指标。市场的不断进化使线性模型遭遇很大的挑战。于是，深度学习模型，如RNN/LSTM，成为当前一类主流的收益预测方法。即，通过神经网络提取数据信息，再经过非线性的合成与加工，得到股票的预期收益率。

以上两种重要方法，从初始的数据处理到最终的结果输出，均可在MATLAB内形成一站式的解决方案。

市场的不断进化使线性模型遭遇很大的挑战。于是，深度学习模型，如RNN/LSTM，成为当前一类主流的收益预测方法。即，通过神经网络提取数据信息，再经过非线性的合成与加工，得到股票的预期收益率。

以上两种重要方法，从初始的数据处理到最终的结果输出，均可在MATLAB内形成一站式的解决方案。