隨著量化投資領域的發展和成熟，機器學習所發揮的作用也在日漸增長。在機器學習中，支持向量機也是一種常見的算法。
支持向量機的原理是，在兩類的樣本中，尋找到能最好劃分類別的超平面。如果在平面中找不到，那就進入更多維度的空間，直至某個維度的空間能夠劃分出最合適的支持向量。兩條支持向量中間的那個超平面就是機器能夠利用的判斷邏輯。
既然能夠通過支持向量機進行有效的分類，那麼我們就可以將其引入量化投資的領域，比如讓機器分析出能夠產生較高收益的股價模式、基本面特徵等，然後再構建出投資組合。
除此之外，我們還可以使用SVM工具來識別市場的形態。把問題簡單化，其實就是震蕩市、趨勢市的分類問題。通過機器學習，我們可以很容易地識別市場的特徵，並可據此進行資產配置。華泰聯合證券在很早的時候發布過相關的研報，可以借鑑其思路來撰寫代碼。長城證券也有相關的研報可用參考。
擇時技術是許多投資者之間的熱門話題，支持向量機的出現正好為他們提供了實用的量化工具。具體操作的時候，我們可以使用Python的第三方庫sklearn，相關的SVM算法已經做好了整合，可以很方便地調用。
綜上所述，支持向量機的機器學習算法值得量化投資者深入探索。