金融机器学习：机器学习算法，助力投资者沙里淘金

这是一本将机器学习算法应用于金融建模的实战指南。过去几十年，金融业一直过于依赖简单的统计技术来识别数据中的模式，机器学习有望改变这种现状。在未来几年，机器学习算法将会给金融领域带来颠覆性变化。
《金融机器学习》这本书的作者马科斯·洛佩斯·德普拉多集投资经理、教授、研究员三重身份于一身，20多年来致力于通过普及机器学习算法和超级计算的使用，以及开发识别错误投资策略(假阳性)的统计测试，实现金融领域的现代化。在这本书中，他结合学术视角和丰富的行业经验，提供了一系列科学合理的工具和方法，解释了投资组合经理如何使用机器学习来推导、测试和使用交易策略。
《金融机器学习》这本书分为5部分。第1部分介绍了如何构造适合机器学习算法的金融数据;第2部分介绍了如何科学地应用机器学习算法研究这些数据并获得实际发现；第3部分介绍了如何回测以及评估模型错误的概率;第4部分回归到数据，解释从中提取信息特征的创新方法；第5部分介绍了高性能计算方法。书中大多数问题和解决方法都是用数学公示来解释的，并提供了代码片段和练习，具有很强的实操性，可以作为金融领域投资人士的工具书。

美国劳伦斯·伯克利国家实验室研究员，康奈尔大学电气与计算机工程学院教授，拥有金融经济学和数学金融学双博士学位。2020年担任阿布扎比投资局（ADIA）量化研究与开发业务的全球负责人。拥有20多年利用机器学习算法和超级计算开发投资策略的经验。曾在影响因子很高的学术期刊上发表了数十篇关于机器学习算法和超级计算的科学文章。曾在美国国会就人工智能对金融领域的影响发表演讲。2019年被《投资组合管理杂志》评为“年度量化分析师”。

第1章 作为独立学科的金融机器学习

第1部分 数据分析
第2章 金融数据结构
第3章 标签
第4章 样本权重
第5章 分数微分特征

第2部分 模型
第6章 集成方法
第7章 交叉验证在金融领域的应用
第8章 特征重要性
第9章 利用交叉验证进行超参数调优

第3部分 回测
第10章 投注大小
第11章 回测的风险
第12章 通过交叉验证进行回测
第13章 合成数据的回测
第14章 回测统计量
第15章 理解策略风险
第16章 基于机器学习的资产配置方法

第4部分 有用的金融特征
第17章 结构突变
第18章 熵特征
第19章 微观结构特征
第5部分 高性能计算方法
第20章 多进程和矢量化
第21章 蛮力搜索和量子计算机
第22章 高性能计算智能与预测技术

致谢

1.金融领域趋势。过去几十年，金融业一直过于依赖简单的统计技术来识别数据中的模式，机器学习算法有望改变这一现状。在未来几年，机器学习将引领金融界，给金融领域带来颠覆性变化。
2.领域内经典图书。原作豆瓣评分8.9分，是机器学习算法应用于金融领域的前沿书籍，提供一系列经过验证的工具和方法，量化投资专业人士在实操中的重要参考书。
3.作者备受认可。马科斯教授集投资经理、教授、研究员三重身份于一身，拥有20多年利用机器学习算法和超级计算开发投资策略的经验。
4.真正介绍金融机器学习。量化金融领域的失败率很高，不是因为机器学习算法无效，而是因为投资者用错了机器学习。这本书将全面介绍机器学习在金融建模中的应用。
5.兼具理论和实操。提供详细的算法分析、程序代码，明确的输出结果图，以及每章练习题，既适合相关院校和培训机构拿来作为培训量化交易系统课程的教材，又可作为量化金融投资领域从业者的工具书。