正确应用机器学习算法的确可以用来预测股票收益，但成功的机器学习应用程序需要相当多的专业知识才能解决过拟合、信噪比这些问题，所以说机器学习短时间内不会取代人类专家，至少在投资方面。
机器学习概念
机器学习是从数据中自动分析获得模型，并利用模型对未知数据进行预测。
机器学习可以应用于股市
[1]机器学习（Machine Learning），是由亚瑟·塞缪尔（Arthur Samuel）在1959年用机器解决跳棋游戏的背景下提出的, 其是指一种计算机程序，它可以学习产生一种行为，而这种行为不是由程序的作者明确编程实现的。相反，它能够显示出作者可能完全没有意识到的行为。
这种行为的学习基于以下三个因素：
1. 程序消耗的数据；2. 量化当前行为和理想行为之间的误差或某种形式的距离的度量；3. 使用量化误差指导程序在后续事件中产生更好行为的反馈机制。
可以看出，第二个和第三个因素使这个概念变得抽象，并强调其深层的数学根源。因此，机器学习在模拟人的行为感知和决策的同时，能够基于算法进行分析和推理，实现对股市的预测。
机器学习预测股票市场的难点？
[2]20世纪80年代以来，人们一直在使用ML以发现市场上的规律。尽管ML在预测市场结果方面取得了巨大成功，但最近的深度学习并没有对金融市场的预测有多大帮助。虽然深度学习和其他ML技术终于使Alexa，Google Assistant和Google Photos成为可能，但在股票市场上没有取得多大进展。
金融市场本质上是不可预测的事实。这里有很多原因让人难以预测。强调一些使它变得困难的主要原因：
数据分布小样本难以计算的数据十分复杂部分可见马尔科夫决策过程推荐系统的相似性观点：让机器学习发挥应有价值
机器学习算法是通过分析已有数据得出的模型，进行形成机器的判断，这在人脸识别、金融反欺诈、设备故障预测等场景都是适用的。但对于股票预测来说，显然不是很适用。原因如下:
机器学习学的都是已知的数据和信息，这些东西统统都已经反应在了当前的价格里。真正影响股价的是“预期”，是“未知的信息”，这些不可能存在于机器根据历史数据学习出的模型中，自然也无法预测未来股价的走势。因此，机器学习等人工智能技术并不能帮助预测股票价格，因为没有人能预知还未发生的消息，当然作弊行为除外。
但这也并不是说，机器学习、人工智能技术对股票预测毫无价值，而是通过分析历史数据与曾经发生过的事件，机器能够分析总结规律，进而当新消息发布的时候，机器能够对即将造成的影响做出比人类更块、更全面、更客观的判断，这才是机器学习在股票预测方面真正的价值。
[1] 《Machine learning in the Chinese stock market》 苏黎世大学的Markus Leippold，Qian Wang以及来自浙江大学的Wenyu Zhou
[2] 《Why is machine learning in finance so hard? | Hardik Patel》 Hardik Patel
