内容摘要： 随着大数据时代的袭来，各行各业进入“互联网+”模式，金融投资组合领域在人工智能、大数据等互联网技术新技术的融合下，迈入了新型资产配置的大门。而就现状而言，无论是在行业上、教育上还是研究成果上，机器学习技术与投资组合理论相结合的发展相比于其需求存在断层。本文从两门学科最开始的地方：机器学习中的属性选择与数据划分方法，投资组合中从其最初的理论成果哈里马科维茨投资组合理论和资本资产定价模型（CAMP）的目标、需求、数据特征着手分析，一步一步将两学科从基础部分开始融会贯通。在中国证券市场下讨论问题，分析证券市场的数据特征，得出投资组合原理用在机器学习中进行预测时，其样本数据集应选有日度数据或月度数据的收盘价格、涨跌及涨跌幅；在对样本数据集进行划分时，考虑到投资组合的需求包含有快速而准确，更推荐使用稳定性与时效性兼顾的自助法进行模型评估。

关键词：投资组合；机器学习；自助法

目 录

Abstract

内容摘要

1绪论-1

1.1研究背景与意义-1

1.2国内外研究现状-1

1.3文献综述-2

2.机器学习与投资组合选择的相关理论-4

2.1机器学习相关理论-4

2.2投资组合经典理论-5

2.2.1非量化投资组合策略-5

2.2.2量化投资组合策略-5

3投资组合选择问题中的机器学习技术应用-7

3.1投资组合问题特点分析-7

3.2机器学习属性选择与数据划分方法-7

3.2.1属性选择-7

3.2.2数据划分方法-8

4总结-11

参考文献-12

致谢