大数据、机器学习与量化投资

图书标准信息

• 作者 托尼·吉达
• 出版社 中信出版社
• 出版时间 2023-08
• 版次 1
• ISBN 9787521755640
• 定价 99.00元
• 装帧 其他
• 开本 16开
• 纸张 胶版纸
• 页数 420页
• 字数 339千字

【内容简介】

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。

【作者简介】

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。

 

【目录】

第1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  驾驭大数据

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：亚马逊销售案例

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

第10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

第11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

第12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

第13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