用ML算法预测股票收益率

Question

我正在研究固定时间段（比如n天）的股票收益预测模型。我希望提前收集一些想法。我的问题是：

1）最好将其转化为分类问题，比如创建一个返回值大于x％的虚拟变量？然后我可以尝试ML算法的整个库。

2）如果我不把它变成分类问题而是使用回归模型，那么将回报转换为日志是否有意义或有必要？

任何想法都表示赞赏。

编辑：我的目标是相对广泛的定义，从某种意义上说，我很想提高选择过程的性能（选择积极的回报，避免负面的回报）

Answer 1

1. 最好的质量是什么？将其转化为阈值问题仅仅意味着将问题空间转换为更简单的问题。您的问题定义是您自己的;您可以将其转换为二进制分类问题（>或者不是x），多类别分类问题（分类到范围中）或简单地将其保留为预测任务。如果您执行后者，您仍然可以应用分箱或分类作为后处理步骤。
2. 分类只是预测的一个子类。逻辑回归所采用的对数转换只不过是将输出转化为类似概率分布的巧妙技巧;不要过多考虑它。也就是说，在输出上应用转换并不一定是坏的（例如，您可以应用一些规范化来保持输出在某些激活函数的范围内）。