Machine Learning for Algorithmic Trading

The explosive growth of digital data has boosted the demand for expertise in trading strategies that use machine learning (ML). This revised and expanded second edition enables you to build and evaluate sophisticated supervised, unsupervised, and reinforcement learning models.This book introduces end-to-end machine learning for the trading workflow, from the idea and feature engineering to model optimization, strategy design, and backtesting. It illustrates this by using examples ranging from li

这是一本深度探讨如何将机器学习(ML) 应用于算法交易的综合性书籍。该书不仅介绍了机器学习的定义及其在交易中的应用，还详细阐述了投资行业的演变及ML的兴起，以及数据在交易中的重要性。 在市场和基础数据源方面，该书详细解释了如何获取和处理市场数据，包括公开市场和基本数据，以及通过专有调查创建或获取的私有数据。此外，该书还介绍了市场微观结构研究，揭示了交易过程的制度环境如何影响价格发现、买卖价差和报价、日内交易行为和交易成本等结果。 在机器学习方面，该书详细介绍了线性模型和树基集成，以及深度学习技术，包括深度前馈神经网络、循环神经网络(RNNs)和强化学习等。这些模型不仅可以帮助投资者更好地理解市场行为，还可以用于预测资产回报，并设计基于这些模型的交易策略。 此外，该书还介绍了如何使用Zipline回测系统和pyfolio来测试和优化单因子策略，以及如何使用时间序列模型和深度学习方法来预测资产回报和波动性。