注冊 | 登錄讀書好,好讀書,讀好書!
讀書網-DuShu.com
當前位置: 首頁出版圖書經濟管理管理個人理財大數據、機器學習與量化投資

大數據、機器學習與量化投資

大數據、機器學習與量化投資

定 價:¥99.00

作 者: 托尼·吉達
出版社: 中信出版社
叢編項:
標 簽: 暫缺

購買這本書可以去


ISBN: 9787521755640 出版時間: 2023-08-01 包裝: 平裝-膠訂
開本: 16開 頁數: 字數:  

內容簡介

  以從業(yè)者視角探討如何在金融領域有效運用大數據和機器學習。近年來,機器學習和數據科學在投資中發(fā)揮著越來越大的作用。借助機器學習和大數據,投資經理能夠做出以往傳統模型無法實現的預測,進而做出明智的決策。然而,并不是所有的數據集和機器學習技術都對金融投資有用,也不是所有的機器學習技術都可以“即插即用”?!洞髷祿?、機器學習與量化投資》這本書由資深量化分析專家托尼·吉達主編,匯集了多位業(yè)內頗具影響力的專家學者的前沿分享,闡釋如何應用機器學習和大數據技術來解決投資問題并提高投資績效。這本書共有13章,理論嚴謹,案例豐富,內容涵蓋機器學習在投資管理中的應用現狀和前景、另類數據和大數據在宏觀交易中的應用、處理大數據集的難點和解決方案、挖掘社交媒體數據集分析企業(yè)文化、使用自然語言處理技術進行投資者情緒分析、基于支持向量回歸的全球戰(zhàn)術性資產配置策略、強化學習和深度學習在投資組合優(yōu)化中的應用等主題,可以作為量化投資從業(yè)者、金融算法研究人員、高等院校計算機專業(yè)和金融工程專業(yè)的師生以及機器學習愛好者的參考用書。

作者簡介

  托尼·吉達,倫敦一家老牌養(yǎng)老基金的資深量化投資基金經理,負責管理多因子股票投資組合。在此之前,曾在EDHEC RISK Scientific Beta 擔任高級顧問,負責聰明貝塔和風險配置,就如何構建和配置風險溢價向資產所有者提供專業(yè)建議。在加入EDHEC之前,他在UNIGESTION工作了8年,擔任高級研究分析師。他曾是Minimum Variance Strategies研究和投資委員會的成員,負責領導機構客戶因子投資研究小組。他擁有法國薩沃伊大學計量經濟學和金融學學士和碩士學位。曾多次發(fā)表關于量化投資現代方法的演講,并多次舉辦關于“機器學習應用于量化投資”的研討會。

圖書目錄

第1章  算法能構建出具有人類智慧的alpha嗎
1.1導讀
1.2重復或是重塑
1.3用機器學習重塑投資
1.4信任問題
1.5經濟存在主義∶一項宏大設計抑或一次偶然事件
1.6這一系統究竟是什么
1.7動態(tài)預測與新方法論
1.8基本面因子、預測與機器學習
1.9結論:尋找投資中的“釘子”
第2章  駕馭大數據
2.1導讀
2.2使用另類數據的驅動因素
2.3另類數據類型、形式與范圍
2.4如何判斷哪些另類數據有用
2.5另類數據需要多少成本
2.6案例研究
2.7使用另類數據的明顯趨勢
2.8結論
第3章  機器學習在投資管理中的應用現狀
3.1導讀
3.2數據無處不在
3.3人工智能應用圖譜
3.4行業(yè)間的相互聯系和人工智能的實施推動者
3.5行業(yè)發(fā)展前景
3.6關于未來
3.7結論
第4章  在投資過程中使用另類數據
4.1導讀
4.2量化浩劫:激勵人們尋找另類數據
4.3利用好另類數據爆炸帶來的好處
4.4選擇要進行評估的數據源
4.5評估技術
4.6基本面基金管理者與另類數據
4.7若干例證
4.8結論
第5章  使用另類數據和大數據交易宏觀資產
5.1導讀
5.2理解大數據和另類數據的一般概念
5.3傳統建模方法與機器學習
5.4大數據和另類數據:在宏觀交易中的廣泛使用
5.5案例研究:使用大數據和另類數據深入挖掘宏觀交易
5.6結論
第6章 大即為美,從電子郵件收據數據預測公司銷售額
6.1導讀
6.2Quandl的電子郵件收據數據庫
6.3大數據工作中的挑戰(zhàn)
6.4預測公司銷售額
6.5實時預測
6.6案例研究:亞馬遜銷售案例
第7章  將集成學習應用于量化股票:多因子框架中的梯度提升算法
7.1導讀
7.2提升樹入門
7.3數據和方案
7.4建立模型
7.5結果和討論
7.6結論
第8章  企業(yè)文化的社交媒體分析
8.1導讀
8.2文獻綜述
8.3數據與樣本構建
8.4推斷企業(yè)文化
8.5檢驗結果
8.6結論
第9章  能源期貨交易的機器學習與事件檢測
9.1導讀
9.2數據說明
9.3模型框架
9.4表現
9.5結論
第10章  財經新聞中的自然語言處理
10.1導讀
10.2新聞數據來源
10.3實際應用
10.4自然語言處理
10.5數據及方法論
10.6結論
第11章 基于支持向量機的全球戰(zhàn)術性資產配置
11.1導讀
11.2過去50年的全球戰(zhàn)術性資產配置
11.3經濟學文獻中的支持向量機
11.4基于支持向量回歸的全球戰(zhàn)術性資產配置策略
11.5結論
第12章 金融中的強化學習
12.1導讀
12.2馬爾科夫決策過程:決策的一般框架
12.3理性及決策的不確定性
12.4均值-方差的等價性
12.5回報
12.6組合價值與財富
12.7具體案例
12.8結論與進一步的工作
第13章  金融深度學習,基于LSTM網絡的股票收益預測
13.1導讀
13.2相關工作
13.3金融市場的時間序列分析
13.4深度學習
13.5循環(huán)神經網絡
13.6長短期記憶網絡
13.7金融模型
13.8結論
附錄
參考文獻
譯者簡介

本目錄推薦

掃描二維碼
Copyright ? 讀書網 www.ranfinancial.com 2005-2020, All Rights Reserved.
鄂ICP備15019699號 鄂公網安備 42010302001612號