用机器学习对股票收益分类
        本报告以机器学习中的SVM（支持向量机）为例，以中证800为基准，实现了对给定股票池的收益分类预测。http://www.hibor.com.cn【慧博投研资讯】通过逐步削去法，得到五因子组合构成的“SVM收益分类器”，输入每年因子截面数据，在超平面上对未来一年的股票收益分类跑赢/跑输进行预测。http://www.hibor.com.cn（慧博投研资讯）根据2009年至2015年的回测结果，平均年胜率为55%。
        用机器学习对股票波动分类
        用类似的方法，同样用SVM作为分类器，以全A股票年波动率中位数为基准，实现了对给定股票池的波动分类预测。通过逐步削去法，得到十因子组合构成的“SVM波动分类器”，输入每年因子截面数据，在超平面上对未来一年的股票波动高/低进行预测。根据2009年至2015年的回测结果，平均年胜率超过61%，并且达到了降低投资组合波动率的目的。
        深究因子组合
        机器学习可以帮助我们综合、归纳；可以帮助我们处理非线性因子；但无法代替人推理实证，无法保证模型的可靠性。作为事例，本报告加入单因子分析，给出了进一步构建五因子模型的可能解决办法之一，通过五个因子打分形式，共同构建“成长40组合”，在2009年至2015年间，成长40组合年化收益率超过36%，而同期全A等权的年化收益不足14%。