针对楼主的问题，我抛砖引玉哈：
1、考虑到楼主对国内金融状况不甚了解，我简单说明下你的专业在金融行业的可能应用。楼主提到对冲基金或者投行，国外运用机器学习得较多，国内对冲基金比较少，规模也小；国内券商（投行）主要做证券发行与承销等，虽然有研究部，但研究归研究，离投资还有一点路。国内的基金、券商资管、私募等买方的投资思路主要是传统经济金融学或者经验判断等，极少大资金运用机器学习。
2、以我的拙见，我认为Ph.D机器学习方向是可以运用于证券选股（融资融券）、期货、期权等，现阶段可能期货更加合适（T+0\做空）。国内量化主要采用技术分析，也有部分采用计量经济学的思路，极少部分采用机器学习。其原因在于，一是机器学习比较专业，像楼主一样懂得人比较少，二是机器学习面临过度优化的现象，实际金融投资应用价值可能有限。
3、以我的浅薄了解，机器学习中的SVM似乎不错，我也准备学习。如果这也是楼主的研究方向，很想找时间向楼主学习。

谢谢你的见解，我也听说国内金融行业里运用机器学习技术的比较少，目前确实对这个行业了解甚少，还需慢慢了解。你提到的机器学习的过度优化问题，我想你指的是的overfitting，这确实是一个问题，不过几乎所有基于统计的学习模型都是overfitting和underfitting的一个tradeoff，这同时也是bias和variance的tradeoff。对于SVM，我想这是核方法（将数据映射到希尔伯特特征空间的技术）在机器学习中应用的典型例子，在90年代SVM做分类很火，它利用最大间距的思想通过很少的有用数据（支持向量）来确定分类面。不过从06年开始，一个新的deep learning方法很火，是以前神经网络的升级版本，它在目前的语音识别，图像分类中取得几乎最好的效果，如果你感兴趣的话，可以了解一下。

不愧是博士，把握行业前沿，你说的deep learning我还是第一次听说呢。希望能进一步交流学习。
我的Q:453024347

楼主你好，我现在是香港科技大学的一位在读研究生。我们正在做一个金融相关的项目，正好缺一位精通机器学习的人。我觉得我们挺互补的，可以聊聊嘛？

至于你帖子中提到的问题，我其实是有相关的经历以及自己的想法的，我们可以私聊。

看样子想从计算机进投行的人真实不少。。请师兄多多指教

恩师一直推荐金数小硕学机械学习，据说国外用这个做量化交易的比较多，国内量化具体用的什么样我也不知道，东吴证券好像招过这个专业的实习生，求交流哈QQ：957714390

先慢慢找实习，进这个圈儿