正确应用机器学习算法的确可以用来预测股票收益，但成功的机器学习应用程序需要相当多的专业知识才能解决过拟合、信噪比这些问题，所以说机器学习短时间内不会取代人类专家，至少在投资方面。

机器学习是从数据中自动分析获得模型，并利用模型对未知数据进行预测。

机器学习可以应用于股市

[1]机器学习（Machine Learning），是由亚瑟·塞缪尔（Arthur Samuel）在1959年用机器解决跳棋游戏的背景下提出的, 其是指一种计算机程序，它可以学习产生一种行为，而这种行为不是由程序的作者明确编程实现的。相反，它能够显示出作者可能完全没有意识到的行为。

这种行为的学习基于以下三个因素：

1. 程序消耗的数据；
2. 量化当前行为和理想行为之间的误差或某种形式的距离的度量；
3. 使用量化误差指导程序在后续事件中产生更好行为的反馈机制。

可以看出，第二个和第三个因素使这个概念变得抽象，并强调其深层的数学根源。因此，机器学习在模拟人的行为感知和决策的同时，能够基于算法进行分析和推理，实现对股市的预测。

机器学习预测股票市场的难点？

[2]20世纪80年代以来，人们一直在使用ML以发现市场上的规律。尽管ML在预测市场结果方面取得了巨大成功，但最近的深度学习并没有对金融市场的预测有多大帮助。虽然深度学习和其他ML技术终于使Alexa，Google Assistant和Google Photos成为可能，但在股票市场上没有取得多大进展。

金融市场本质上是不可预测的事实。这里有很多原因让人难以预测。强调一些使它变得困难的主要原因：

数据分布
小样本
难以计算的数据
十分复杂
部分可见马尔科夫决策过程
推荐系统的相似性

观点：让机器学习发挥应有价值

机器学习算法是通过分析已有数据得出的模型，进行形成机器的判断，这在人脸识别、金融反欺诈、设备故障预测等场景都是适用的。但对于股票预测来说，显然不是很适用。原因如下:

机器学习学的都是已知的数据和信息，这些东西统统都已经反应在了当前的价格里。真正影响股价的是“预期”，是“未知的信息”，这些不可能存在于机器根据历史数据学习出的模型中，自然也无法预测未来股价的走势。因此，机器学习等人工智能技术并不能帮助预测股票价格，因为没有人能预知还未发生的消息，当然作弊行为除外。

但这也并不是说，机器学习、人工智能技术对股票预测毫无价值，而是通过分析历史数据与曾经发生过的事件，机器能够分析总结规律，进而当新消息发布的时候，机器能够对即将造成的影响做出比人类更块、更全面、更客观的判断，这才是机器学习在股票预测方面真正的价值。