机器学习在算法交易中的应用(第2版)

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。

第1部分 数据、阿尔法因子和投资组合 第1章 机器学习在交易中的应用——从梦想到现实 1.1 机器学习在投资行业的兴起 1.1.1 从电子交易到高频交易 1.1.2 因子投资与智能贝塔基金 1.1.3 初露峥嵘——算法先驱更胜一筹 1.1.4 机器学习与另类数据 1.1.5 众包算法交易 1.2 基于机器学习的交易策略的设计与执行 1.2.1 数据源和数据管理 1.2.2 从阿尔法因子研究到投资组合管理 1.2.3 策略回测 1.3 机器学习在交易中的应用——策略与用途 1.3.1 算法交易策略的演进 1.3.2 交易中的机器学习用途 1.4 本章小结 第2章 市场和基本面数据——数据源和数据技能 2.1 市场数据反映市场环境 2.1.1 市场微观结构——基本要点 2.1.2 交易是如何进行的——不同类型的交易订单 2.1.3 交易是在哪里执行的——从交易所交易到暗池交易 2.2 高频数据处理 2.2.1 纳斯达克订单簿数据处理 2.2.2 通过FIX协议进行交易 2.2.3 美股Lv2高级行情纳斯达克TotalView-ITCH数据 2.2.4 从tick数据到采样图——市场数据处理 2.2.5 AlgoSeek分钟采样——股票报价和交易数据 2.3 通过API访问市场数据 2.3.1 pandas远程数据访问 2.3.2 yfinance——从雅虎财经爬取数据 2.3.3 Quantopian 2.3.4 Zipline 2.3.5 Quandl 2.3.6 其他数据提供商 2.4 基本面数据处理 2.4.1 财务报表数据 2.4.2 其他基本面数据源 2.5 pandas高效存储数据 2.6 本章小结 第3章 金融另类数据——分类和用例 3.1 另类数据革命 …… 第2部分 机器学习在交易中的基本应用 第3部分 自然语言处理 第4部分 深度学习和强化学习 附录A 阿尔法因子库