![]() ![]() |
機(jī)器學(xué)習(xí)在算法交易中的應(yīng)用(第2版) 人工智能時代,數(shù)字?jǐn)?shù)據(jù)的爆炸式增長推動了人們對使用機(jī)器學(xué)習(xí)(ML)的交易策略相關(guān)知識的需求!稒C(jī)器學(xué)習(xí)在算法交易中的應(yīng)用(第2版)》就以Python為基本工具,從全局、戰(zhàn)略的視角介紹了相關(guān)的概念,以及機(jī)器學(xué)習(xí)在交易策略設(shè)計和執(zhí)行中的價值及實踐運用。全書分4部分,其中第1部分主要介紹基于機(jī)器學(xué)習(xí)的交易策略的基礎(chǔ)知識,該部分內(nèi)容圍繞機(jī)器學(xué)習(xí)算法以及交易策略相關(guān)的數(shù)據(jù)展開,概述了如何有效捕獲數(shù)據(jù)信號內(nèi)容、如何準(zhǔn)確提取特征,以及如何基于這些數(shù)據(jù)優(yōu)化算法評估投資組合。第2部分重點闡述了在端到端工作流環(huán)境中,一些基本的監(jiān)督學(xué)習(xí)、無監(jiān)督學(xué)習(xí)是如何為交易策略的制定提供幫助的。第3部分是自然語言處理,這部分引入了無監(jiān)督學(xué)習(xí)算法,力求從文本數(shù)據(jù)這種最關(guān)鍵的另類數(shù)據(jù)中高質(zhì)量地提取信號。第4部分通過TensorFlow和PyTorch,重點介紹深度學(xué)習(xí)和強化學(xué)習(xí)在交易策略設(shè)計中的應(yīng)用。
你還可能感興趣
我要評論
|