文献综述
近些年，人工智能与大数据的相关计算机技术，例如机器学习方法普及到百姓的生活与学习当中，给我们的生活带来了翻天覆地的变化，例如支付系统中的人脸识别、指纹解锁，医疗系统中的肺癌结构影像分类分析，以及在量化投资与量化交易中的机器学习方法的一些应用。
而量化交易是指：使用先进的数学模型替代人为的主观判断，利用计算机技术从庞大的历史数据中海选能带来超额收益的多种大概率事件以制定策略，极大减少了投资者情绪波动的影响，避免作出非理性的投资决策。
随着国内外经济与计算机两方面的飞速发展，越来越多人致力于将算法在金融产品投资方面实现并从而获取高额收益。
在此大背景下，将机器学习方法，例如支持向量机（support vector machine,SVM）、随机森林（random forest,RF）、梯度提升树（gradient boosting tree,GBT）、循环神经网络（recurrent neural network,CNN）等，应用到量化选股中，本质就是以股市中的全部或部分股票数据作为基础，在此基础上所进行的数据挖掘领域的分类问题。
当前，我国股票市场上定价存在偏差的股票较多，因此我国股票市场与监管机构大力加强对于上市公司的资产、资质方面的审查，同时呼吁投资者克服主观性，避免盲目跟风投机所带来的损失，也揭示了采用客观理性的量化投资策略有助于帮助投资者捕获投资机会，增加获取超额收益的可能性。
而这与量化投资的基本理念不谋而合，应用机器学习方法进行选股能最大程度避免投资者的主观性以及滞后性。
本文将根据现几种机器学习方法进行选股，并将最终结果进行比较，最后探讨是否存在改进的部分与可能。
2、国内外研究现状：根据量化投资的发展情况而言，量化投资在国外起步较早，但发展进程较为漫长。
但机器学习方法在国外发展十分迅速，而将机器学习较好得实现并应用到量化投资领域中离不开众多前人的开拓与钻研。
以上是毕业论文文献综述，课题毕业论文、任务书、外文翻译、程序设计、图纸设计等资料可联系客服协助查找。
