預測資產或資產類別的投資回報是投資管理的核心。
許多類型的人工神經網路都經過測試提供預測回報的能力。
深度神經網路、CNN、LSTM 都可以應用於收益預測問題。

1. 根據傳統輸入（例如：會計資料或技術指標）做出的預測。
2. 使用機器學習從替代資料中提取新輸入(例如：從資料中提取情緒)。

• 自動編碼器和詞袋(Bag of Words)

SVM、單隱藏層前饋神經網路(SLFNN)和 MLP，MLP 會導致正確預測減少。
通過錨定前向分析來測試分類器的性能，以確定模型是否可以捕獲時間訊息，以確定模型是否可以學習可應用於以前未見過的特徵。

• 隨機森林

根據價格訊息和一些動量指標、相對強度指數、移動平均收斂散度、隨機震盪指標(KD)、威廉指標(Williams %R)、平衡成交量和價格變化率來預測股票價格的方向。

• 協同過濾(Model Based Filtering)

過濾訊息，並使用簡單的邏輯回歸來預測市場狀態。

• ANN

  • 反向傳播
  • 徑向基函數(Radial Basis Function)
  • 通用迴歸神經網路(General Regression Neural Networkㄓ, GRNN)
  • SVM 回歸(SVMR)
  • 最小平方 SVM 回歸(LS-SVMR)。

  使用均方誤差(MSE) 和 平均絕對百分比誤差(MAPE)。