在投资领域中,先后出现过诸多派别,有以基本面分析为主的,以巴菲特为特例。有以技术分析为主的,以约翰.墨菲为特例。近年来,随着计算机技术的不断发展,欧美市场早已出现了一股量化投资风潮,并且不断壮大,该投资派别以詹姆斯.西蒙斯为代表。量化投资以其稳定、理性、概率取胜为优势,占领着投资领域的主流风潮。机器学习是数据挖掘领域的前沿技术,机器学习诸多算法以其严密的逻辑对训练数据进行特征学习,再将学习到的经验特征用于预测。而在投资领域,成功预测未来走势是投资成功的不二保障。已有诸多学者尝试过将机器学习各大算法运用于量化投资领域,有的取得了不菲的成效,也有投资者因为方式选择不当而导致投资失败。失败的原因主要在于不同的算法对于不同的数据具有不同的适应性。而证券市场的数据是千变万化的,不同走势,不同品种,都将产生具有不同特征的数据。本文将试图对七种机器学习算法在中国A股市场的效果作一个比较,结果显示,对于次日涨跌预测,上涨趋势当中,SVM算法最优,下降趋势当中,随机森林算法最优,盘整走势当中,各大算法表现平平;对于次日高低开预测,上涨趋势当中,决策树算法最优,下降趋势当中,神经网络算法最优,盘整走势当中,逻辑回归算法与SVM算法最优;对于不同品种次日涨跌预测,在工业股与农业股中,朴素贝叶斯算法最优,对于服务业股,逻辑回归算法最优,对于高科技产业股,支持向量机算法最优;对于不同品种次日高低开预测,逻辑回归算法几乎都是表现最优,只有在高科技产业股中SVM算法表现略好于逻辑回归算法。