Machine Learning for Algorithmic Trading¶
本书籍由LLMQuant社区整理, 并提供PDF下载, 只供学习交流使用, 版权归原作者所有。
- 作者: Stefan Jansen
- 出版社: Packt Publishing Limited
- 出版年份: 2020
- 难度: ⭐⭐⭐⭐
- 推荐指数: ⭐⭐⭐⭐⭐
- PDF下载: 点击下载
内容简介¶
《Machine Learning for Algorithmic Trading》是一本关于量化金融的专业书籍,涵盖了从基础理论到高级应用的广泛内容。书中详细介绍了机器学习在金融市场中的应用,包括数据预处理、特征工程、模型选择与优化等关键步骤。本书深入探讨了多种机器学习技术,如线性模型、决策树、随机森林、XGBoost等集成方法、无监督学习、时间序列模型、深度学习(包括CNN、RNN和自编码器)、生成对抗网络(GANs)以及深度强化学习等。书中还探讨了如何利用这些技术进行市场预测、风险管理、投资组合优化、情绪分析以及从市场、基本面和另类数据(如逐笔数据、分钟/日线数据、SEC文件、财报电话会议记录、金融新闻或卫星图像)中提取可交易信号等实际问题的解决方案。通过丰富的案例分析和实战演练,并结合Python及其库(如pandas, TA-Lib, scikit-learn, LightGBM, SpaCy, Gensim, TensorFlow 2, Zipline, backtrader, Alphalens, pyfolio)的应用,读者可以深入理解机器学习在量化交易中的实际应用,并掌握如何将这些技术应用于自己的交易策略中。无论是初学者还是经验丰富的量化交易员,这本书都提供了宝贵的知识和实用的工具,帮助他们在复杂的金融市场中获得竞争优势。
核心章节¶
以下是本书的主要章节预览:
主要特点¶
- 理论与实践结合
- 包含详细示例
- 配套代码和资源
- 适合实际应用
适合人群¶
- 量化分析师
- 算法交易员
- 金融工程师
- 数据科学家
配套资源¶
- 示例代码
- 数据集
- 在线补充材料