►►►
科研主题：港大张老师——
基于机器学习的KDJ指标选股策略研究
股票市场作为金融市场的重要组成部分，一直是投资者关注的焦点。在众多的股票分析方法中，技术指标分析是一种常用的方法，其中KDJ指标作为一种动量指标，被广泛应用于股票市场的趋势分析和交易决策中。KDJ指标通过计算股票价格的随机波动范围，帮助投资者判断股票的超买或超卖状态，从而指导买卖决策。
随着机器学习技术的发展，其在金融市场分析中的应用日益增多。机器学习算法能够处理大量复杂的数据，学习数据中的模式和关系，为投资决策提供更为精准的预测。在KDJ指标的应用中，机器学习可以用来优化选股策略，提高交易的成功率。
然而，将机器学习应用于KDJ指标选股策略中也面临着挑战。如何选择合适的机器学习模型、处理和分析大量的股市数据、以及如何将机器学习结果与KDJ指标有效结合，是需要解决的关键问题。此外，股市的高波动性和不确定性也给模型的稳定性和泛化能力带来了挑战。
本研究旨在探索基于机器学习的KDJ指标选股策略，通过构建和训练机器学习模型，分析和预测股票市场的走势，从而为投资者提供更为科学和有效的选股策略。本次科研将结合当前技术前沿以及学生的相关经历和需求，展开1v1科研指导服务。此外，学生也可以定制其他专业的科研课题。
特邀
导师
指南者留学特邀导师：Dr.Zhang
香港大学资深讲师
Experts in data science, statistics, and actuary
擅长Time Series Analysis, Extreme Value Theory, Insurance Risk Modelling, Machine Learning
我们的优势
我们的名校科研
其他机构科研
教授1v1指导
10-20人班课
提供更个性化的科研教学指导
学生不容易得到个人化的关注
独立一作论文
共同一作论文
让学生全面地参与研究项目，从而获得更多的学术成就和独立思考的能力
导致学生的贡献被稀释，不容易凸显个人能力
教授直接指导论文
教授不指导论文
直接从资深专家那里获取知识和经验，有利于论文的高质量完成
缺乏专业指导，导致论文质量不高
Research论文
Review论文
强调实际研究和数据收集，更容易在学术界得到认可
更侧重于理论分析而非数据研究，不容易得到学术认可
100%有推荐信
不全都有推荐信
确保学生在留学申请时有强有力的推荐支持
缺乏推荐信会影响将来的留学申请
EDU邮箱推荐信
私人邮箱推荐
使用教育邮箱发送的推荐信更具权威性
缺乏权威性，不容易被接受
教授进群随时直接联系
只能在班课会议上沟通
便于实时解答疑问和及时获取反馈
缺乏及时和个性化的反馈
华人教授汉语指导
英文授课听不懂
使用汉语讲授专业知识内容更容易消化理解
用英文讲授高深的专业知识内容会形成语言障碍影响学习的质量
你将收获
国际会议论文发表
名校推荐信
全方位助力留学申请
适合人群
留学申请：计划申请金工金数、数据科学、金融、精算等相关专业的同学
提升背景：希望增加深度学术研究经历，提升独立研究能力的同学
锻炼技能：想要掌握人工智能领域知识，包括python、机器学习、论文撰写等技能的同学
具体安排
Week 1
Find the Topic
  • 1V1 office hour
  • Find the topic
Week 2
Machine 
Learning
Algorithms I
  • Supervised Learning and Unsupervised Learning
  • Categorical Variable and Continuous Variable
  • Linear Models
Week 3
Machine 
Learning 
Algorithms II
  • Multicollinearity
  • Entropy
  • Decision Tree
Week 4
Machine 
Learning 
Algorithms III
  • Advanced Tree Based Models
  • Neural Network
  • Unstructured Data
Week 5
Data 
Analysis
  • 1V1 office hour
  • Try to analyze the data
Week 6-8
Implementation of 
Machine 
Learning 
Algorithms
  • 1V1 office hour
  • Apply machine learning algorithms to make predictions.
Week
9-12
Paper
Writing
  • Discussion & Paper Writing
  • Submit Paper   
▼
扫描下方二维码
咨询报名科研项目
继续阅读
阅读原文