掃一掃
關(guān)注中圖網(wǎng)
官方微博
中圖價(jià):¥74.3
加入購物車
金融機(jī)器學(xué)習(xí) 版權(quán)信息
- ISBN：9787521728095
- 條形碼：9787521728095 ; 978-7-5217-2809-5
- 裝幀：一般膠版紙
- 冊(cè)數(shù)：暫無
- 重量：暫無
- 所屬分類：>>
金融機(jī)器學(xué)習(xí) 本書特色
1.金融領(lǐng)域趨勢。過去幾十年，金融業(yè)一直過于依賴簡單的統(tǒng)計(jì)技術(shù)來識(shí)別數(shù)據(jù)中的模式，機(jī)器學(xué)習(xí)算法有望改變這一現(xiàn)狀。在未來幾年，機(jī)器學(xué)習(xí)將引領(lǐng)金融界，給金融領(lǐng)域帶來顛覆性變化。 2.領(lǐng)域內(nèi)經(jīng)典圖書。原作豆瓣評(píng)分8.9分，是機(jī)器學(xué)習(xí)算法應(yīng)用于金融領(lǐng)域的前沿書籍，提供一系列經(jīng)過驗(yàn)證的工具和方法，量化投資專業(yè)人士在實(shí)操中的重要參考書。 3.作者備受認(rèn)可。馬科斯教授集投資經(jīng)理、教授、研究員三重身份于一身，擁有20多年利用機(jī)器學(xué)習(xí)算法和超級(jí)計(jì)算開發(fā)投資策略的經(jīng)驗(yàn)。 4.真正介紹金融機(jī)器學(xué)習(xí)。量化金融領(lǐng)域的失敗率很高，不是因?yàn)闄C(jī)器學(xué)習(xí)算法無效，而是因?yàn)橥顿Y者用錯(cuò)了機(jī)器學(xué)習(xí)。這本書將全面介紹機(jī)器學(xué)習(xí)在金融建模中的應(yīng)用。 5.兼具理論和實(shí)操。提供詳細(xì)的算法分析、程序代碼，明確的輸出結(jié)果圖，以及每章練習(xí)題，既適合相關(guān)院校和培訓(xùn)機(jī)構(gòu)拿來作為培訓(xùn)量化交易系統(tǒng)課程的教材，又可作為量化金融投資領(lǐng)域從業(yè)者的工具書。
金融機(jī)器學(xué)習(xí) 內(nèi)容簡介
"這是一本將機(jī)器學(xué)習(xí)算法應(yīng)用于金融建模的實(shí)戰(zhàn)指南。過去幾十年，金融業(yè)一直過于依賴簡單的統(tǒng)計(jì)技術(shù)來識(shí)別數(shù)據(jù)中的模式，機(jī)器學(xué)習(xí)有望改變這種現(xiàn)狀。在未來幾年，機(jī)器學(xué)習(xí)算法將會(huì)給金融領(lǐng)域帶來顛覆性變化。 《金融機(jī)器學(xué)習(xí)》這本書的作者馬科斯·洛佩斯·德普拉多集投資經(jīng)理、教授、研究員三重身份于一身，20多年來致力于通過普及機(jī)器學(xué)習(xí)算法和不錯(cuò)計(jì)算的使用，以及開發(fā)識(shí)別錯(cuò)誤投資策略(假陽性)的統(tǒng)計(jì)測試，實(shí)現(xiàn)金融領(lǐng)域的現(xiàn)代化。在這本書中，他結(jié)合學(xué)術(shù)視角和豐富的行業(yè)經(jīng)驗(yàn)，提供了一系列科學(xué)合理的工具和方法，解釋了投資組合經(jīng)理如何使用機(jī)器學(xué)習(xí)來推導(dǎo)、測試和使用交易策略。 《金融機(jī)器學(xué)習(xí)》這本書分為5部分。部分介紹了如何構(gòu)造適合機(jī)器學(xué)習(xí)算法的金融數(shù)據(jù);第2部分介紹了如何科學(xué)地應(yīng)用機(jī)器學(xué)習(xí)算法研究這些數(shù)據(jù)并獲得實(shí)際發(fā)現(xiàn)；第3部分介紹了如何回測以及評(píng)估模型錯(cuò)誤的概率;第4部分回歸到數(shù)據(jù)，解釋從中提取信息特征的創(chuàng)新方法；第5部分介紹了高性能計(jì)算方法。書中大多數(shù)問題和解決方法都是用數(shù)學(xué)公示來解釋的，并提供了代碼片段和練習(xí)，具有很強(qiáng)的實(shí)操性，可以作為金融領(lǐng)域投資人士的工具書。
金融機(jī)器學(xué)習(xí) 目錄
第1章 作為獨(dú)立學(xué)科的金融機(jī)器學(xué)習(xí)
第1部分 數(shù)據(jù)分析
第2章 金融數(shù)據(jù)結(jié)構(gòu)
第3章 標(biāo)簽
第4章 樣本權(quán)重
第5章 分?jǐn)?shù)微分特征
第2部分 模型
第6章 集成方法
第7章 交叉驗(yàn)證在金融領(lǐng)域的應(yīng)用
第8章 特征重要性
第9章 利用交叉驗(yàn)證進(jìn)行超參數(shù)調(diào)優(yōu)
第3部分 回測
第10章 投注大小
第11章 回測的風(fēng)險(xiǎn)
第12章 通過交叉驗(yàn)證進(jìn)行回測
第13章 合成數(shù)據(jù)的回測
第14章 回測統(tǒng)計(jì)量
第15章 理解策略風(fēng)險(xiǎn)
第16章 基于機(jī)器學(xué)習(xí)的資產(chǎn)配置方法
第4部分 有用的金融特征
第17章 結(jié)構(gòu)突變
第18章 熵特征
第19章 微觀結(jié)構(gòu)特征
第5部分 高性能計(jì)算方法
第20章 多進(jìn)程和矢量化
第21章 蠻力搜索和量子計(jì)算機(jī)
第22章 高性能計(jì)算智能與預(yù)測技術(shù)
致謝
展開全部
金融機(jī)器學(xué)習(xí) 節(jié)選
第1章 作為獨(dú)立學(xué)科的金融機(jī)器學(xué)習(xí)1.1寫作動(dòng)機(jī)機(jī)器學(xué)習(xí)正在徹底改變我們生活的方方面面。直到現(xiàn)在，依然是只有專家才能通過使用機(jī)器學(xué)習(xí)算法來完成任務(wù)。就金融領(lǐng)域而言，采用這樣一個(gè)具有顛覆性的，并將改變?nèi)藗儓?jiān)持了幾十年的投資方法的技術(shù)，令人尤為心潮澎湃。這本書將對(duì)我在過去20年中使用的可靠的機(jī)器學(xué)習(xí)工具進(jìn)行科學(xué)解釋，而這些工具也幫助我為那些需求*復(fù)雜的機(jī)構(gòu)投資者管理了大規(guī)模的基金。有關(guān)投資的書大多分為兩類。一類書的作者用極其簡化的數(shù)學(xué)方式描述了在現(xiàn)實(shí)中不存在的情況，對(duì)其闡述的東西并沒有實(shí)踐過。只是因?yàn)樵谶壿嬌鲜钦_的原理，不一定意味著在現(xiàn)實(shí)世界中就能行得通。另一類書的作者提供的解釋缺乏邏輯嚴(yán)密的學(xué)術(shù)理論的支撐，不能使用正確的數(shù)學(xué)工具來解釋實(shí)際觀察，他們的模型在實(shí)現(xiàn)時(shí)就會(huì)出現(xiàn)過擬合并失敗的結(jié)果。學(xué)術(shù)性的調(diào)研和報(bào)告與金融市場的實(shí)際應(yīng)用脫節(jié)，很多交易或投資領(lǐng)域中的應(yīng)用也不以正確的科學(xué)方法為基礎(chǔ)。創(chuàng)作本書的**個(gè)動(dòng)機(jī)是想要跨越學(xué)術(shù)界與產(chǎn)業(yè)界之間眾所周知的鴻溝。我曾經(jīng)在這兩個(gè)領(lǐng)域都工作過，明白跨越的難度和只堅(jiān)持一方觀點(diǎn)的輕易。二者之間的平衡是一種美德。本書不會(huì)僅僅因?yàn)閿?shù)學(xué)之美而鼓吹某個(gè)原理，也不會(huì)僅僅因?yàn)槟硞(gè)方案似乎可行就進(jìn)行推薦。我的目標(biāo)是傳授那些來源于經(jīng)驗(yàn)，并通過嚴(yán)格推導(dǎo)所形成的知識(shí)。第二個(gè)動(dòng)機(jī)是希望讓金融服務(wù)于某個(gè)目標(biāo)。在過去幾年，我在一些學(xué)術(shù)報(bào)刊上發(fā)表的文章表達(dá)了我對(duì)金融在社會(huì)生活中扮演的角色的失望。投資者聽信了那些源自江湖騙子，又被大眾媒體鼓吹的假消息，拿自己的財(cái)富進(jìn)行賭博。在不久的將來，機(jī)器學(xué)習(xí)將引領(lǐng)金融界，科學(xué)將戰(zhàn)勝猜測，投資將不再是賭博。我真誠希望我的讀者能參與到這場革命中來。第三個(gè)動(dòng)機(jī)源于很多投資者無法理解機(jī)器學(xué)習(xí)在投資應(yīng)用中的復(fù)雜性。這一點(diǎn)在那些擁有完全支配權(quán)的投資公司向“量化”投資領(lǐng)域轉(zhuǎn)型時(shí)尤為突出。我擔(dān)心他們的高預(yù)期很難達(dá)到，不是因?yàn)闄C(jī)器學(xué)習(xí)失效了，而是因?yàn)樗麄冇缅e(cuò)了機(jī)器學(xué)習(xí)。在未來幾年，很多公司可能會(huì)利用來自學(xué)術(shù)機(jī)構(gòu)或者硅谷的現(xiàn)成的機(jī)器學(xué)習(xí)算法進(jìn)行投資，我預(yù)測他們將賠錢（相對(duì)于更好的機(jī)器學(xué)習(xí)解決方案而言）。戰(zhàn)勝群眾的智慧比識(shí)別人臉或者駕駛汽車難得多。通過本書，我希望你能學(xué)會(huì)如何應(yīng)對(duì)一些挑戰(zhàn)，這些挑戰(zhàn)使得金融成為機(jī)器學(xué)習(xí)算法難以攻克的領(lǐng)域，比如回測的過擬合問題。金融機(jī)器學(xué)習(xí)已成為一門學(xué)科，與標(biāo)準(zhǔn)機(jī)器學(xué)習(xí)既有關(guān)聯(lián)又有區(qū)別，本書將為你全面介紹金融機(jī)器學(xué)習(xí)。1.2金融機(jī)器學(xué)習(xí)失敗的主要原因量化金融領(lǐng)域的失敗率很高，其中的金融機(jī)器學(xué)習(xí)更是如此。只有極少數(shù)成功的機(jī)構(gòu)積累了大筆的資產(chǎn)，并持續(xù)為它們的投資者提供超乎尋常的業(yè)績回報(bào)。在過去的20年中，我已經(jīng)見識(shí)了太多人進(jìn)來又出去，一個(gè)個(gè)公司起來又倒下。從我個(gè)人的經(jīng)驗(yàn)看，那些失敗案例都犯了同一個(gè)致命錯(cuò)誤。1.2.1西西弗斯范式全權(quán)委托投資組合管理人做投資決策時(shí)，不會(huì)遵循一個(gè)特別的定律或基本原則（如果有的話，那就是普通管理人）。他們獲取原始信息并進(jìn)行分析，不過主要還是依賴他們自己的判斷或直覺。他們?yōu)檫@些決策找的借口是基于一些故事，但每一個(gè)決策都是一個(gè)故事。因?yàn)闆]人能完全理解他們投注背后的邏輯，投資公司讓他們各自獨(dú)立工作，以保證多元化投資。如果你曾經(jīng)參加過全權(quán)委托投資組合管理人的會(huì)議，很可能已注意到了他們的會(huì)議冗長并且缺乏目標(biāo)導(dǎo)向。參會(huì)人各執(zhí)一詞，巨大的分歧在沒有實(shí)證的情況下被忽視。當(dāng)然，這并不意味著全權(quán)委托投資組合管理人不可能成功。相反，有些確實(shí)成功了。問題在于，他們天然地不能進(jìn)行團(tuán)隊(duì)工作：叫來50名全權(quán)委托投資組合管理人，他們的觀點(diǎn)會(huì)互相影響，*終結(jié)果是老板不得不付50個(gè)人的工資，而他們完成的卻是一個(gè)人的工作。因此，讓他們獨(dú)立工作，盡可能減少他們之間的互相影響，是非常合理的。不管在哪里，很多公司采用全權(quán)委托投資組合管理人模式去做量化或機(jī)器學(xué)習(xí)的項(xiàng)目，*終結(jié)果都很糟糕。董事會(huì)的心態(tài)是，全權(quán)委托投資組合管理人都在用這種方式，那我們就用這種模式做量化吧。雇用50個(gè)博士，要求他們每人在6個(gè)月內(nèi)制定一套投資策略。這個(gè)方法往往事與愿違，因?yàn)槊總(gè)博士都會(huì)瘋狂地尋找投資機(jī)會(huì)，結(jié)果通常是：（1）擁有亮麗回測結(jié)果的過擬合；（2）標(biāo)準(zhǔn)的因子投資，一種低夏普比率（SR）的過飽和投資，但至少有理論支撐。這兩種結(jié)果都會(huì)讓投資委員會(huì)失望，致使項(xiàng)目*終被取消。即使有5個(gè)博士發(fā)現(xiàn)了有效的投資策略，5個(gè)人的收益也無法支付50個(gè)博士的費(fèi)用，因此這5個(gè)博士也要另謀高就。這就是所謂的讓每個(gè)員工日復(fù)一日搬石頭上山的西西弗斯（Sisyphus）范式，這種范式的投入產(chǎn)出比極低。1.2.2元策略范式如果你被要求自行制定一套機(jī)器學(xué)習(xí)策略，成功的概率是極其低的。制定一套真正的投資策略所付出的努力完全不亞于制定100套投資策略所付出的努力，而且復(fù)雜度是超乎想象的：數(shù)據(jù)策劃、處理、高性能計(jì)算架構(gòu)、軟件開發(fā)、特征分析、執(zhí)行模擬、回測等。即使公司在這些領(lǐng)域提供了共享服務(wù)，你的處境也如同寶馬公司的一個(gè)工人被要求利用身處的車間單獨(dú)造出一輛完整的汽車一樣困難。你必須在一星期內(nèi)是一個(gè)高級(jí)的焊工，另一星期又必須成為一個(gè)電工，下一星期又需要成為一個(gè)機(jī)械工程師，然后是油漆工……你不得不不斷嘗試，失敗，然后又回到焊工。這種感覺如何？我所了解的每個(gè)成功的量化公司都使用了元策略（Meta Strategy）范式［López de Prado（2014）］。因此，本書是為團(tuán)隊(duì)而非個(gè)人編寫的研究手冊(cè)。通過本書各個(gè)章節(jié)，你將學(xué)到如何設(shè)立一個(gè)研究工廠以及裝配線上的各種崗位。每個(gè)數(shù)據(jù)分析師的角色應(yīng)專注于特定的任務(wù)，成為該任務(wù)的*佳人選，但同時(shí)也應(yīng)該對(duì)整個(gè)過程有個(gè)全局的視野。本書概括了工廠計(jì)劃，其中團(tuán)隊(duì)以可預(yù)測的速度產(chǎn)生新的發(fā)現(xiàn)，并且不依賴于運(yùn)氣。這也是美國勞倫斯·伯克利國家實(shí)驗(yàn)室以及其他美國國家實(shí)驗(yàn)室在科學(xué)研究中常用的方法，比如在元素周期表上新增16種元素，或者進(jìn)行磁共振成像（MRI）以及正電子發(fā)射斷層掃描（PET）的基礎(chǔ)研究。因?yàn)樾掳l(fā)現(xiàn)是團(tuán)隊(duì)共同努力的結(jié)果，團(tuán)隊(duì)中的個(gè)體都有所貢獻(xiàn)，所以沒有一個(gè)特定的個(gè)人需要為整個(gè)研究負(fù)責(zé)。當(dāng)然，設(shè)立這樣的金融實(shí)驗(yàn)室需要很多時(shí)間，也需要了解自己所從事的工作以及有經(jīng)驗(yàn)的從業(yè)者。但是，你認(rèn)為哪個(gè)成功的機(jī)會(huì)更大呢？是這個(gè)已得到證明的組織協(xié)作范式，還是單打獨(dú)斗的西西弗斯范式——讓每個(gè)量化分析師將他們手中的巨石推上山頂？1.3本書的結(jié)構(gòu)本書將一堆互相關(guān)聯(lián)的主題打亂，并重新組織成了一個(gè)有序的結(jié)構(gòu)。每個(gè)章節(jié)都假設(shè)讀者已經(jīng)閱讀了之前章節(jié)的內(nèi)容。第1部分將幫助讀者結(jié)構(gòu)化金融數(shù)據(jù)以適合機(jī)器學(xué)習(xí)算法。第2部分討論利用數(shù)據(jù)來進(jìn)行機(jī)器學(xué)習(xí)算法研究。這一部分的重點(diǎn)是做研究，如何通過科學(xué)過程得出實(shí)際發(fā)現(xiàn)，而不是沒有目標(biāo)地進(jìn)行研究直至某些（很可能是錯(cuò)誤的）偶然結(jié)果出現(xiàn)。第3部分解釋如何回測以檢驗(yàn)發(fā)現(xiàn)成果，并評(píng)估錯(cuò)誤率。這3個(gè)部分提供了一個(gè)完整過程的綜述，從數(shù)據(jù)分析、模型研究到發(fā)現(xiàn)評(píng)估；谝陨现R(shí)，第4部分回到數(shù)據(jù)本身并給出了新穎的方式來提取信息特征。*后，因?yàn)樗羞@些工作都需要強(qiáng)大的計(jì)算能力，所以第5部分將給出一些有效的高性能計(jì)算方法。1.4目標(biāo)讀者本書介紹的高級(jí)機(jī)器學(xué)習(xí)方法是為應(yīng)對(duì)由金融數(shù)據(jù)集帶來的挑戰(zhàn)專門設(shè)計(jì)的。所謂的“高級(jí)”并不是指特別難以理解，或解釋zui新的深度、周期或卷積神經(jīng)網(wǎng)絡(luò)。相反，本書旨在回答高級(jí)研究人員認(rèn)為比較關(guān)鍵的問題，這些研究人員具有將機(jī)器學(xué)習(xí)算法應(yīng)用到金融問題中的實(shí)際經(jīng)驗(yàn)。如果你剛接觸機(jī)器學(xué)習(xí)算法，并沒有復(fù)雜算法的使用經(jīng)驗(yàn)，那本書可能并不適合你。除非你曾經(jīng)在實(shí)際中處理過書中談到的問題，否則要理解這些解決問題的工具可能有一定困難。在讀本書前，你可能需要學(xué)習(xí)近些年出版的優(yōu)秀的機(jī)器學(xué)習(xí)入門書籍，我在“引用文獻(xiàn)”部分列了一些。本書的核心讀者是具有深厚機(jī)器學(xué)習(xí)背景的專業(yè)投資人士。我的目標(biāo)是讓你把從本書中學(xué)到的知識(shí)“變現(xiàn)”，幫助我們推進(jìn)金融現(xiàn)代化進(jìn)程，并為投資者真正創(chuàng)造價(jià)值。那些成功將機(jī)器學(xué)習(xí)算法應(yīng)用到金融以外的領(lǐng)域的數(shù)據(jù)科學(xué)家也是本書的目標(biāo)群體。如果你在谷歌工作，并且已將深度神經(jīng)網(wǎng)絡(luò)算法應(yīng)用到人臉識(shí)別中，但是將該算法用在金融領(lǐng)域中似乎并不奏效，那么本書將會(huì)幫到你。有時(shí)，你可能無法理解某些結(jié)構(gòu)背后的基本金融原理（如元標(biāo)簽、三邊界方法、分?jǐn)?shù)階微分），但是請(qǐng)稍微忍忍：一旦你管理一個(gè)投資組合的時(shí)間足夠長，就會(huì)慢慢讀懂這些章節(jié)，其中的游戲規(guī)則也將會(huì)變得很清晰。1.5 閱讀前提和這本書所反映的一樣，投資管理是一個(gè)涉及多學(xué)科的研究領(lǐng)域。理解書中各章節(jié)內(nèi)容需要一定的實(shí)踐知識(shí)，包括機(jī)器學(xué)習(xí)、市場微觀結(jié)構(gòu)、投資組合管理、數(shù)學(xué)金融、統(tǒng)計(jì)學(xué)、計(jì)量經(jīng)濟(jì)學(xué)、線性代數(shù)、凸優(yōu)化、離散數(shù)學(xué)、信號(hào)處理、信息論、面向?qū)ο缶幊、并行處理和超?jí)計(jì)算等。Python已經(jīng)成為機(jī)器學(xué)習(xí)的業(yè)界標(biāo)準(zhǔn)語言，而我假設(shè)你是一位經(jīng)驗(yàn)豐富的開發(fā)者，那你應(yīng)該熟悉scikitlearn（sklearn）、pandas、numpy、scipy、multiprocessing、matplotlib，以及一些其他的Python庫。代碼片段一般使用這些庫的常規(guī)前綴來調(diào)用函數(shù)，其中，pd表示pandas，np表示numpy，mpl表示matplotlib，等等。介紹這些庫的書籍很多，但是你不可能對(duì)每一個(gè)庫的內(nèi)容都了如指掌。我們將在本書中討論這些庫在實(shí)現(xiàn)中的一些問題，也包括那些尚未解決的漏洞。
金融機(jī)器學(xué)習(xí) 作者簡介
美國勞倫斯·伯克利國家實(shí)驗(yàn)室研究員，康奈爾大學(xué)電氣與計(jì)算機(jī)工程學(xué)院教授，擁有金融經(jīng)濟(jì)學(xué)和數(shù)學(xué)金融學(xué)雙博士學(xué)位。2020年擔(dān)任阿布扎比投資局（ADIA）量化研究與開發(fā)業(yè)務(wù)的全球負(fù)責(zé)人。擁有20多年利用機(jī)器學(xué)習(xí)算法和超級(jí)計(jì)算開發(fā)投資策略的經(jīng)驗(yàn)。曾在影響因子很高的學(xué)術(shù)期刊上發(fā)表了數(shù)十篇關(guān)于機(jī)器學(xué)習(xí)算法和超級(jí)計(jì)算的科學(xué)文章。曾在美國國會(huì)就人工智能對(duì)金融領(lǐng)域的影響發(fā)表演講。2019年被《投資組合管理雜志》評(píng)為“年度量化分析師”。
書友推薦
- >
唐代進(jìn)士錄
- >
人文閱讀與收藏·良友文學(xué)叢書:一天的工作
- >
名家?guī)阕x魯迅:故事新編
- >
史學(xué)評(píng)論
- >
新文學(xué)天穹兩巨星--魯迅與胡適/紅燭學(xué)術(shù)叢書(紅燭學(xué)術(shù)叢書)
- >
隨園食單
- >
莉莉和章魚
- >
小考拉的故事-套裝共3冊(cè)
本類暢銷
