概率机器学习在金融与投资中的应用

概率机器学习之所以代表金融与投资领域的下一代机器学习框架与技术，原因有以下几点。这种生成式集成模型能够持续从小型且噪声较大的金融数据集中学习，同时无缝支持概率推理、反向预测、预测以及反事实推理。概率机器学习还允许系统性地将个人、经验及机构知识编码到机器学习模型中。

无论基于学术理论还是机器学习策略，所有金融模型均不可避免地存在建模误差，这些误差可缓解但无法消除。概率机器学习系统将金融与投资系统中的不确定性和误差视为特征而非缺陷。它们将不精确输入与输出产生的不确定性量化为概率分布而非点估计。这使得金融推理与预测更贴近现实，对决策制定与风险管理具有实际价值。

与传统人工智能不同，这些系统能够在推断和预测不再适用于当前市场环境时向我们发出警告。通过摒弃有缺陷的统计方法和将概率视为限制性频率的传统观点，您将转向一种直观的概率观——即在公理化统计框架内作为逻辑存在，能够全面且成功地量化不确定性。本书将向您展示如何实现这一点。