【機器學習在算灋交易中的應用（第2版）】

編輯推薦

應用市場、基本面和另類數據的爆炸式增長，使機器學習（ML）從數位科技前沿走進千家萬戶。 應用機器學習算灋挖掘數據、洞見機會、構建交易策略成為越來越多交易者的選擇。 本書就帶領讀者學習如何在交易策略構建和評估中合理運用種類繁多的監督學習、無監督學習和强化學習模型，更好地為投資和交易服務。

本書詳細展示了端到端的基於機器學習的交易工作流（ML4T），從想法萌生到特徵工程，從交易設計到策略回測，從線性模型到隨機森林，從簡單機器學習到深度學習，輔以大量示例，一看即懂、即學即用。

本書完整展示了關於交易的數據世界，從市場、基本面和另類數據的挖掘到交易訊號的選取，從金融特徵工程到基於機器學習的策略回測與評估，既有真實的分時數據、週期K線、SEC檔案、財報電話會議記錄、財經新聞或衛星圖像，又有真實的美國和日本的股票和ETF的歷史資料， 最後還附有數以百計的阿爾法因數庫大禮包。

學完本書，讀者可熟練地應用機器學習構建預測模型，設計每日或日內交易策略，並對其表現進行合理評估。

內容簡介

人工智慧時代，數位數據的爆炸式增長推動了人們對使用機器學習（ML）的交易策略相關知識的需求。 《機器學習在算法交易中的應用（第2版）》就以Python為基本工具，從全域、戰畧的視角介紹了相關的概念，以及機器學習在交易策略設計和執行中的價值及實踐運用。 全書分4部分，其中第1部分主要介紹基於機器學習的交易策略的基礎知識，該部分內容圍繞機器學習算灋以及交易策略相關的數據展開，概述了如何有效捕獲數據訊號內容、如何準確選取特徵，以及如何基於這些數據優化算灋評估投資組合。 第2部分重點闡述了在端到端工作流環境中，一些基本的監督學習、無監督學習是如何為交易策略的製定提供幫助的。 第3部分是自然語言處理，這部分引入了無監督學習算灋，力求從文字數據這種最關鍵的另類數據中高質量地選取訊號。 第4部分通過TensorFlow和PyTorch，重點介紹深度學習和强化學習在交易策略設計中的應用。

《機器學習在算法交易中的應用（第2版）》通過大量示例，詳細介紹了如何使用不同機器學習算灋設計交易策略，並通過大量的數學及統計知識，幫助讀者更好地理解算灋調优過程及整個計算過程。 特別適合想獲得用於交易的機器學習算灋相關知識或想設計交易策略的數據分析師、數據科學家、Python開發人員、投資分析師或投資組合經理參攷學習。

作者簡介

斯蒂芬·詹森（Stefan Jansen）

Stefan Jansen是Applied AI公司的創始人兼首席執行官。 他為財富500强公司、投資公司和各行各業的初創企業提供數據和人工智慧戰畧方面的建議，並組建數據科學團隊，為廣泛的商業問題開發端到端的機器學習解決方案。

創業之前，他是一家國際投資公司的合夥人和董事總經理，在那裡他進行了大量的預測分析和投資研究實踐。 他還曾是一家在15個市場開展業務的全球性金融科技公司的高級管理人員，為新興市場的中央銀行及世界銀行提供諮詢服務。

Stefan Jansen擁有佐治亞理工學院的計算機科學碩士學位以及哈佛大學和柏林自由大學的經濟學碩士學位，並獲得了CFA特許證書。 他曾在歐洲、亞洲和美洲使用六種語言工作，並在Datacamp和GeneralAssembly教授數據科學。

目錄

-------------------------------------------------------

【統計學習要素：機器學習中的資料挖掘、推斷與預測（第2版）】

內容簡介

《統計學習要素：機器學習中的數據挖掘、推斷與預測（第2版）》在一個通用的概念框架中描述通用於資料挖掘、機器學習和生物資訊學等領域的重要思想和概念。 這些統計學範疇下的概念是人工智慧與機器學習的基礎。 全書共18章，主題包括監督學習、回歸的線性方法、分類的線性方法、基展開和正則化、核光滑方法、模型評估和選擇、模型推斷和平均、加性模型、樹和相關方法、Boosting和加性樹、神經網路、支持向量機和柔性判斷、原型方法和最近鄰、非監督學習、隨機森林、集成學習、 無向圖模型和高維問題等。

《統計學習要素：機器學習中的數據挖掘、推斷與預測（第2版）》主題全面，是一本經典的統計學習教材，適合本科高年級學生和研究生使用和參攷。

作者簡介

斯坦福大學統計學教授。 三人是該領域的傑出研究人員。 哈斯蒂在新澤西州的AT＆T貝爾實驗室以科技人員身份工作9年之後，於1994年8月加入斯坦福大學任教。 哈斯蒂用S-PLUS寫了許多統計建模軟件，並發明了主要曲線和曲面。 他和提布施拉尼共同開發了廣義加性模型並寫了這一主題的熱門書。 提布施拉尼提出了Lasso，參與創作了《Bootstrap概論》，這本書取得了相當大的成功。 弗雷曼是許多資料挖掘工具的共同發明人，包括CART、MARS、投影追跡和梯度Boosting。

譯者簡介

張軍平

復旦大學計算機科學技術學院教授，博導，主要研究方向是人工智慧、機器學習、生物認證和智慧交通。 曾經主持多個國j級項目。 他是人工智慧著名期刊IEEE Intelligent Systems編委，擔任《軟件學報》和《自動化學報》等國內權威期刊責任編輯。 他是中國自動化學會混合智慧專業委員會副主任。 他在人工智慧及相關專業領域發表了100餘篇論文，包括IEEE TPAMI，TNNLS，ToC，TAC和TITS等期刊以及ICML，AAAI和ECCV等國際會議上。 他的人工智慧科普暢銷書《愛犯錯的智能體》榮獲了2019年中國自動化學會科普獎。 2020年中國科普作家協會第六届優秀作品獎（中國科普創作領域z高獎）金獎以及2020年第十届吳文俊人工智慧科技進步獎（科普項目）。