- 机器学习算法交易
- 零、前言
- 一、用于交易的机器学习——从理念到实践
- 二、市场和基础数据——来源和技术
- 三、金融备选数据——类别和用例
- 四、金融特征工程——如何研究阿尔法因子
- 五、投资组合优化与表现评估
- 六、机器学习过程
- 七、线性模型——从风险因子到回报预测
- 八、ML4T 工作流程——从模型到策略回溯测试
- 九、波动率预测和统计套利的时间序列模型
- 十、贝叶斯 ML——动态夏普比率和配对交易
- 十一、随机森林——日本股票的长短策略
- 十二、提升你的交易策略
- 十三、基于无监督学习的数据驱动风险因子与资产配置
- 十四、用于交易的文本数据——情感分析
- 十五、主题建模——总结财经新闻
- 十六、盈利报告和 SEC 文件的文字嵌入
- 十七、用于交易的深度学习
- 十八、金融时间序列和卫星图像的 CNN
- 十九、用于多元时间序列和情感分析的 RNN
- 二十、用于条件风险因子和资产定价的自编码器
- 二十一、合成时间序列数据的生成对抗网络
- 二十二、深度强化学习——建立交易智能体
- 二十三、结论和下一步
- 二十四、α 因子库
- 二十五、参考文献
- Python 卖空算法指南
- Excel2019 财务建模实用指南
- Python 金融交易实用指南
- 机器学习算法交易实用指南
- Python 算法交易实用秘籍
{{ message }}