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
• 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，深入探讨了机器学习在算法交易中的端到端应用。本书详细介绍了如何利用机器学习技术来优化交易策略，包括从市场、基本面和另类数据（如高频数据、SEC文件、财报电话会议记录、金融新闻甚至卫星图像）中进行数据预处理和特征工程，特别是如何研究和评估金融特征或Alpha因子。书中涵盖了广泛的机器学习技术，从线性模型、基于树的集成方法到深度学习（如CNN、RNN、自编码器）、自然语言处理（NLP）以及生成对抗网络（GANs）等，并详细阐述了如何设计、训练、优化模型以及进行策略回测。本书不仅包含丰富的理论知识，还提供了大量实际案例和使用Python库（如pandas, scikit-learn, TensorFlow, Zipline, backtrader, Alphalens, pyfolio等）的代码示例，旨在帮助读者将机器学习模型预测转化为实际的交易策略，并有效评估其表现和进行投资组合优化。

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