微瑕大数据、机器学习与量化投资
￥ 54.45 5.5折 ￥ 99 全新
仅1件
作者托尼·吉达
出版社中信出版社
ISBN9787521755640
出版时间2023-08
版次1
装帧平装
开本16开
纸张胶版纸
定价99元
货号3021-9787521755640
上书时间2024-10-16
- 在售商品 暂无
- 平均发货时间 14小时
- 好评率 暂无
商品详情
- 品相描述：全新
- 商品描述
-
基本信息
书名:大数据、机器学习与量化投资
定价：99元
作者:托尼·吉达
出版社：中信出版社
出版日期：2023-08-01
ISBN：9787521755640
字数：
页码：
版次：
装帧：平装
开本：16开
商品重量：
编辑推荐
1.金融领域趋势。近年来，机器学习和数据科学在投资中发挥着越来越大的作用。借助机器学习和大数据，投资经理能够做出以往传统模型无法实现的预测，进而做出明智的决策。未来，机器学习技术和数据科学将成为金融投资领域的新主流。2.内容丰富，案例翔实。这本书不仅提供微观方法的理论阐述、案例说明，还有宏观视角的比较分析、趋势展望，是量化投资领域稀缺的“手册”型书籍。3.全能作者团队。汇集来自买方、卖方及量化研究的多位业内颇具影响力的专家学者的前沿分享，他们从不同方面审视了大数据和机器学习技术在金融投资领域中的应用，将为从业者提供重要参考。4.硬核译者团队。这本书具有极强的专业性，包含了数学、计算机、金融投资等领域的专业内容，来自国际国内名校的毕业生和量化投资领域的专家组成的译者团队和译校团队，对这本书做了精益求精的翻译，力求为从业者和爱好者提供良好的阅读体验。
内容提要
以从业者视角探讨如何在金融领域有效运用大数据和机器学习。近年来，机器学习和数据科学在投资中发挥着越来越大的作用。借助机器学习和大数据，投资经理能够做出以往传统模型无法实现的预测，进而做出明智的决策。然而，并不是所有的数据集和机器学习技术都对金融投资有用，也不是所有的机器学习技术都可以“即插即用”。《大数据、机器学习与量化投资》这本书由资深量化分析专家托尼·吉达主编，汇集了多位业内颇具影响力的专家学者的前沿分享，阐释如何应用机器学习和大数据技术来解决投资问题并提高投资绩效。这本书共有13章，理论严谨，案例丰富，内容涵盖机器学习在投资管理中的应用现状和前景、另类数据和大数据在宏观交易中的应用、处理大数据集的难点和解决方案、挖掘社交媒体数据集分析企业文化、使用自然语言处理技术进行投资者情绪分析、基于支持向量回归的全球战术性资产配置策略、强化学习和深度学习在投资组合优化中的应用等主题，可以作为量化投资从业者、金融算法研究人员、高等院校计算机专业和金融工程专业的师生以及机器学习爱好者的参考用书。
目录
章 算法能构建出具有人类智慧的alpha吗1.1导读1.2重复或是重塑1.3用机器学习重塑投资1.4信任问题1.5经济存在主义∶一项宏大设计抑或一次偶然事件1.6这一系统究竟是什么1.7动态预测与新方法论1.8基本面因子、预测与机器学习1.9结论：寻找投资中的“钉子”第2章 大数据2.1导读2.2使用另类数据的驱动因素2.3另类数据类型、形式与范围2.4如何判断哪些另类数据有用2.5另类数据需要多少成本2.6案例研究2.7使用另类数据的明显趋势2.8结论第3章 机器学习在投资管理中的应用现状3.1导读3.2数据无处不在3.3人工智能应用图谱3.4行业间的相互联系和人工智能的实施推动者3.5行业发展前景3.6关于未来3.7结论第4章 在投资过程中使用另类数据4.1导读4.2量化浩劫：激励人们寻找另类数据4.3利用好另类数据爆炸带来的好处4.4选择要进行评估的数据源4.5评估技术4.6基本面基金管理者与另类数据4.7若干例证4.8结论第5章 使用另类数据和大数据交易宏观资产5.1导读5.2理解大数据和另类数据的一般概念5.3传统建模方法与机器学习5.4大数据和另类数据：在宏观交易中的广泛使用5.5案例研究：使用大数据和另类数据深入挖掘宏观交易5.6结论第6章 大即为美，从电子邮件收据数据预测公司销售额6.1导读6.2Quandl的电子邮件收据数据库6.3大数据工作中的挑战6.4预测公司销售额6.5实时预测6.6案例研究：销售案例第7章 将集成学习应用于量化股票：多因子框架中的梯度提升算法7.1导读7.2提升树入门7.3数据和方案7.4建立模型7.5结果和讨论7.6结论第8章 企业文化的社交媒体分析8.1导读8.2文献综述8.3数据与样本构建8.4推断企业文化8.5检验结果8.6结论第9章 能源期货交易的机器学习与事件检测9.1导读9.2数据说明9.3模型框架9.4表现9.5结论0章 财经新闻中的自然语言处理10.1导读10.2新闻数据来源10.3实际应用10.4自然语言处理10.5数据及方法论10.6结论1章 基于支持向量机的全球战术性资产配置11.1导读11.2过去50年的全球战术性资产配置11.3经济学文献中的支持向量机11.4基于支持向量回归的全球战术性资产配置策略11.5结论2章 金融中的强化学习12.1导读12.2马尔科夫决策过程：决策的一般框架12.3理性及决策的不确定性12.4均值-方差的等价性12.5回报12.6组合价值与财富12.7具体案例12.8结论与进一步的工作3章 金融深度学习，基于LSTM网络的股票收益预测13.1导读13.2相关工作13.3金融市场的时间序列分析13.4深度学习13.5循环神经网络13.6长短期记忆网络13.7金融模型13.8结论附录参考文献译者简介
作者介绍
托尼·吉达，伦敦一家老牌养老基金的资深量化投资基金经理，负责管理多因子股票投资组合。在此之前，曾在EDHEC RISK Scientific Beta 担任高级顾问，负责聪明贝塔和风险配置，就如何构建和配置风险溢价向资产所有者提供专业建议。在加入EDHEC之前，他在UNIGESTION工作了8年，担任高级研究分析师。他曾是Minimum Variance Strategies研究和投资委员会的成员，负责领导机构客户因子投资研究小组。他拥有法国萨沃伊大学计量经济学和金融学学士和硕士学位。曾多次发表关于量化投资现代方法的演讲，并多次举办关于“机器学习应用于量化投资”的研讨会。
序言
-
【封面】
相关推荐
— 没有更多了 —
以下为对购买帮助不大的评价