描述
开 本: 16开纸 张: 胶版纸包 装: 平装-胶订是否套装: 否国际标准书号ISBN: 9787522606910
应用市场、基本面和另类数据的爆炸式增长，使机器学习(ML)从数字科技前沿走进千家万户。应用机器学习算法挖掘数据、洞见机会、构建交易策略成为越来越多交易者的选择。本书就带领读者学习如何在交易策略构建和评估中合理运用种类繁多的监督学习、无监督学习和强化学习模型，更好地为投资和交易服务。
本书详细展示了端到端的基于机器学习的交易工作流(ML4T)，从想法萌生到特征工程，从交易设计到策略回测，从线性模型到随机森林，从简单机器学习到深度学习，辅以大量示例，一看即懂、即学即用。
本书完整展示了关于交易的数据世界，从市场、基本面和另类数据的挖掘到交易信号的提取，从金融特征工程到基于机器学习的策略回测与评估，既有真实的分时数据、周期K线、SEC文件、财报电话会议记录、财经新闻或卫星图像，又有真实的美国和日本的股票和ETF的历史数据，最后还附有数以百计的阿尔法因子库大礼包。
学完本书，读者可熟练地应用机器学习构建预测模型，设计每日或日内交易策略，并对其表现进行合理评估。
人工智能时代，数字数据的爆炸式增长推动了人们对使用机器学习(ML)的交易策略相关知识的需求。《机器学习在算法交易中的应用(第2版)》就以Python为基本工具，从全局、战略的视角介绍了相关的概念，以及机器学习在交易策略设计和执行中的价值及实践运用。全书分4部分，其中第1部分主要介绍基于机器学习的交易策略的基础知识，该部分内容围绕机器学习算法以及交易策略相关的数据展开，概述了如何有效捕获数据信号内容、如何准确提取特征，以及如何基于这些数据优化算法评估投资组合。第2部分重点阐述了在端到端工作流环境中，一些基本的监督学习、无监督学习是如何为交易策略的制定提供帮助的。第3部分是自然语言处理，这部分引入了无监督学习算法，力求从文本数据这种最关键的另类数据中高质量地提取信号。第4部分通过TensorFlow和PyTorch,重点介绍深度学习和强化学习在交易策略设计中的应用。
《机器学习在算法交易中的应用(第2版)》通过大量示例，详细介绍了如何使用不同机器学习算法设计交易策略，并通过大量的数学及统计知识，帮助读者更好地理解算法调优过程及整个计算过程。特别适合想获得用于交易的机器学习算法相关知识或想设计交易策略的数据分析师、数据科学家、Python开发人员、投资分析师或投资组合经理参考学习。
算法交易是指使用数据和算法来选择市场时机，以提高自己的交易业绩、结果和收益的交易方法。本书全面介绍了与之相关这些目的的大量技术、算法和模型，也适用于无数其他预测建模的应用程序和各种用例。这使得本书成为数据科学和分析领域预测算法的优秀机器学习书籍。
——Kirk Borne 博士，Booz Allen Hamilton 的首席数据科学家、数据科学研究员和执行顾问
Ten Signs of Data Science Maturity 的合著者
股市是最不确定的行业之一。在股市，决策往往更像是一门艺术，而不仅仅是一门科学。机器学习是分析大量数据并做出合理预测的最佳方法之一。在这本书中，作者Stefan Jansen介绍了能实现合理预测的所有前沿方法，从有关股票市场动态的甚本概念开始，逐步深入到应用稳健的算法来实现预测分析。作者以清新、简洁和有效的写作风格，引导读者探索时间序列分析、回归方法、贝叶斯算法、NLP和GAN的应用。所有算法都提供了金融方面的解释和实际例子，可以帮助读者开始进行理性和明智的投资!
——Giuseppe Bonaccorso，拜耳制药公司创新数据科学全球负责人
Mastering Machine Learning Algorithms.Secondz Edition 的作者
如果学过金融，你就会知道数据和数学在交易中的强大力量。近年来数据的爆炸式增长和大数据4V特点( Volume大量、Variety多样、Velocity高速、Veracitv真实)为数据在算法交易中的应用提供了更广阔的空间。Stefan在书中全面介绍了这些应用，从特征提取到投资组合管理、从NLP文本数据处理到交易机会洞见……每位读者都能找到适合自己的机器学习用例，加上书中所述的开源工具，你会发现进入算法交易世界原来是如此简单。
——Koo Ping Shung，Pata Science Rex 联合创始人兼总监
DataScience SG 联合创始人，Linkedln Top Voice 2020
评论
还没有评论。