机器学习与量化交易

图书标准信息

• 作者 宗翔宇
• 出版社 中国财政经济出版社
• 出版时间 2022-11
• 版次 1
• ISBN 9787522316710
• 定价 36.00元
• 装帧 其他
• 开本 其他
• 纸张 胶版纸
• 页数 256页
• 字数 210千字

【内容简介】

金融市场价格预测和交易决策是金融活动的两个基本动作。交易者通过经验，或统计数据对市场进行预测再经过计算，做出有利于收益的交易决策。在这个过程中，传统的交易员做出的预测和决策带有大量的个人经验。那么这两个步骤如果由大数据支撑，由机器学习算法来完成是否能够取得更好的效果呢？是否可以出现套利机会呢？本书聚焦于机器学习算法应用在量化交易的两个领域。第一，本书描述了支持向量机及其衍生算法和多种人工神经网络算法在金融价格预测领域中的理论和应用。第二，本书基于配对交易策略，使用深度强化学习算法对交易决策过程进行了优化。本书对每个算法都提供了一个可行的结合实际金融市场的算法策略，并附流程图，供读者参考。

【作者简介】

宗翔宇，讲师 ，1992年10月出生，江苏泰兴人。本科毕业于东北大学机械学院。硕士，博士师从Georgios Sermpinis教授和Charalampos Stasinakis教授，获国家留学基金委公派留学，毕业于英国格拉斯哥大学亚当斯密商学院。毕业后就职于中南财经政法大学金融学院。从事机器学习，复杂系统理论，量化交易等方向的教学和研究工作。作者在Energy Economics，Economic Modelling，Emerging Markets Finance and Trade等国际期刊上发表过机器学习和复杂系统理论相关论文，并担任多个国际一流期刊匿名审稿人。

【目录】

第1章  机器学习和量化交易介绍
  1.1  背景
  1.2  本书结构和贡献
第2章  一个股票指数交易策略基于二进制引力搜索算法和支持向量机
  2.1  介绍
  2.2  支持向量机和启发式优化算法在金融中的应用文献综述
  2.3  数据介绍
  2.4  理论架构和模型建立
  2.5  预测结果评估
  2.6  交易表现
  2.7  结论
第3章  使用MLP，CNN，LSTM和混合方法预测和交易INDU指数和FTSE100指数
  3.1  介绍
  3.2  NNs与金融预测文献综述
  3.3  数据集和工具
  3.4  方法
  3.5  预测数据表现
  3.6  交易表现
  3.7  结论
第4章  深度强化学习和基因算法用于大宗商品配对交易
  4.1  介绍
  4.2  配对交易与深度强化学习文献综述
  4.3  数据介绍
  4.4  方法
  4.5  数据表现
  4.6  风险衡量
  4.7  结论
第5章  总结
  5.1  本书总结
  5.2  本书方法缺陷
  5.3  未来工作
附录
  附录A（第2章）
    附录A.1  模型输入和数据集
    附录A.2  BGSA-SVM和基准模型预测准确率和交易表现细节
    附录A.3  夏普率和其他测试
  附录B（第3章）
    附录B.1  模型输入和数据集
    附录B.2  八分类表现
    附录B.3  混合方法表现
    附录B.4  Chi-square测试
    附录B.5  信息率
    附录B.6  预测概率的分布情况
  附录C（第4章）
    附录C.1  文献列表
    附录C.2  大宗商品列表
    附录C.3  深度强化学习中的神经网络结构
    附录C.4  协整测试的细节
    附录C.5  直接用深度强化学习交易的表现
致谢

内容摘要
 本书聚焦于机器学习在量化交易中的两个应用领域。第一，使用机器学习算法预测时间序列，并且基于预测结果建立简单的交易策略。第二，使用机器学习算法优化配对交易的交易决策。总体来说，本书给出了三个实际案例，分三章，详细讲述了三种机器学习算法的应用。