掃一掃
關注中圖網
官方微博
本類五星書更多>
-
>
蜜蜂的寓言:私人的惡德,公眾的利益
-
>
世界貿易戰簡史
-
>
日本的凱恩斯:高橋是清傳:從足輕到藏相
-
>
近代天津工業與企業制度
-
>
貨幣之語
-
>
眉山金融論劍
-
>
圖解資本論
大數據、機器學習與量化投資 版權信息
- ISBN：9787521755640
- 條形碼：9787521755640 ; 978-7-5217-5564-0
- 裝幀：平裝-膠訂
- 冊數：暫無
- 重量：暫無
- 所屬分類：>
大數據、機器學習與量化投資 本書特色
1.金融領域趨勢。近年來，機器學習和數據科學在投資中發揮著越來越大的作用。借助機器學習和大數據，投資經理能夠做出以往傳統模型無法實現的預測，進而做出明智的決策。未來，機器學習技術和數據科學將成為金融投資領域的新主流。
2.內容豐富，案例翔實。這本書不僅提供微觀方法的理論闡述、案例說明，還有宏觀視角的比較分析、趨勢展望，是量化投資領域稀缺的“手冊”型書籍。
3.全能作者團隊。匯集來自買方、賣方及量化研究的多位業內頗具影響力的專家學者的前沿分享，他們從不同方面審視了大數據和機器學習技術在金融投資領域中的應用，將為從業者提供重要參考。
4.硬核譯者團隊。這本書具有極強的專業性，包含了數學、計算機、金融投資等領域的專業內容，來自國際國內名校的畢業生和量化投資領域的專家組成的譯者團隊和譯校團隊，對這本書做了精益求精的翻譯，力求為從業者和愛好者提供良好的閱讀體驗。
大數據、機器學習與量化投資 內容簡介
以從業者視角探討如何在金融領域有效運用大數據和機器學習。 近年來，機器學習和數據科學在投資中發揮著越來越大的作用。借助機器學習和大數據，投資經理能夠做出以往傳統模型無法實現的預測，進而做出明智的決策。然而，并不是所有的數據集和機器學習技術都對金融投資有用，也不是所有的機器學習技術都可以“即插即用”。 《大數據、機器學習與量化投資》這本書由資深量化分析專家托尼·吉達主編，匯集了多位業內頗具影響力的專家學者的前沿分享，闡釋如何應用機器學習和大數據技術來解決投資問題并提高投資績效。這本書共有13章，理論嚴謹，案例豐富，內容涵蓋機器學習在投資管理中的應用現狀和前景、另類數據和大數據在宏觀交易中的應用、處理大數據集的難點和解決方案、挖掘社交媒體數據集分析企業文化、使用自然語言處理技術進行投資者情緒分析、基于支持向量回歸的全球戰術性資產配置策略、強化學習和深度學習在投資組合優化中的應用等主題，可以作為量化投資從業者、金融算法研究人員、高等院校計算機專業和金融工程專業的師生以及機器學習愛好者的參考用書。
大數據、機器學習與量化投資 目錄
第1章 算法能構建出具有人類智慧的alpha嗎
1.1導讀
1.2重復或是重塑
1.3用機器學習重塑投資
1.4信任問題
1.5經濟存在主義∶一項宏大設計抑或一次偶然事件
1.6這一系統究竟是什么
1.7動態預測與新方法論
1.8基本面因子、預測與機器學習
1.9結論：尋找投資中的“釘子” 第2章 駕馭大數據
2.1導讀
2.2使用另類數據的驅動因素
2.3另類數據類型、形式與范圍
2.4如何判斷哪些另類數據有用
2.5另類數據需要多少成本
2.6案例研究
2.7使用另類數據的明顯趨勢
2.8結論 第3章 機器學習在投資管理中的應用現狀
3.1導讀
3.2數據無處不在
3.3人工智能應用圖譜
3.4行業間的相互聯系和人工智能的實施推動者
3.5行業發展前景
3.6關于未來
3.7結論 第4章 在投資過程中使用另類數據
4.1導讀
4.2量化浩劫：激勵人們尋找另類數據
4.3利用好另類數據爆炸帶來的好處
4.4選擇要進行評估的數據源
4.5評估技術
4.6基本面基金管理者與另類數據
4.7若干例證
4.8結論 第5章 使用另類數據和大數據交易宏觀資產
5.1導讀
5.2理解大數據和另類數據的一般概念
5.3傳統建模方法與機器學習
5.4大數據和另類數據：在宏觀交易中的廣泛使用
5.5案例研究：使用大數據和另類數據深入挖掘宏觀交易
5.6結論 第6章 大即為美，從電子郵件收據數據預測公司銷售額
6.1導讀
6.2Quandl的電子郵件收據數據庫
6.3大數據工作中的挑戰
6.4預測公司銷售額
6.5實時預測
6.6案例研究：亞馬遜銷售案例 第7章 將集成學習應用于量化股票：多因子框架中的梯度提升算法
7.1導讀
7.2提升樹入門
7.3數據和方案
7.4建立模型
7.5結果和討論
7.6結論 第8章 企業文化的社交媒體分析
8.1導讀
8.2文獻綜述
8.3數據與樣本構建
8.4推斷企業文化
8.5檢驗結果
8.6結論 第9章 能源期貨交易的機器學習與事件檢測
9.1導讀
9.2數據說明
9.3模型框架
9.4表現
9.5結論 第10章 財經新聞中的自然語言處理
10.1導讀
10.2新聞數據來源
10.3實際應用
10.4自然語言處理
10.5數據及方法論
10.6結論 第11章 基于支持向量機的全球戰術性資產配置
11.1導讀
11.2過去50年的全球戰術性資產配置
11.3經濟學文獻中的支持向量機
11.4基于支持向量回歸的全球戰術性資產配置策略
11.5結論 第12章 金融中的強化學習
12.1導讀
12.2馬爾科夫決策過程：決策的一般框架
12.3理性及決策的不確定性
12.4均值-方差的等價性
12.5回報
12.6組合價值與財富
12.7具體案例
12.8結論與進一步的工作 第13章 金融深度學習，基于LSTM網絡的股票收益預測
13.1導讀
13.2相關工作
13.3金融市場的時間序列分析
13.4深度學習
13.5循環神經網絡
13.6長短期記憶網絡
13.7金融模型
13.8結論
附錄 參考文獻
譯者簡介
1.1導讀
1.2重復或是重塑
1.3用機器學習重塑投資
1.4信任問題
1.5經濟存在主義∶一項宏大設計抑或一次偶然事件
1.6這一系統究竟是什么
1.7動態預測與新方法論
1.8基本面因子、預測與機器學習
1.9結論：尋找投資中的“釘子” 第2章 駕馭大數據
2.1導讀
2.2使用另類數據的驅動因素
2.3另類數據類型、形式與范圍
2.4如何判斷哪些另類數據有用
2.5另類數據需要多少成本
2.6案例研究
2.7使用另類數據的明顯趨勢
2.8結論 第3章 機器學習在投資管理中的應用現狀
3.1導讀
3.2數據無處不在
3.3人工智能應用圖譜
3.4行業間的相互聯系和人工智能的實施推動者
3.5行業發展前景
3.6關于未來
3.7結論 第4章 在投資過程中使用另類數據
4.1導讀
4.2量化浩劫：激勵人們尋找另類數據
4.3利用好另類數據爆炸帶來的好處
4.4選擇要進行評估的數據源
4.5評估技術
4.6基本面基金管理者與另類數據
4.7若干例證
4.8結論 第5章 使用另類數據和大數據交易宏觀資產
5.1導讀
5.2理解大數據和另類數據的一般概念
5.3傳統建模方法與機器學習
5.4大數據和另類數據：在宏觀交易中的廣泛使用
5.5案例研究：使用大數據和另類數據深入挖掘宏觀交易
5.6結論 第6章 大即為美，從電子郵件收據數據預測公司銷售額
6.1導讀
6.2Quandl的電子郵件收據數據庫
6.3大數據工作中的挑戰
6.4預測公司銷售額
6.5實時預測
6.6案例研究：亞馬遜銷售案例 第7章 將集成學習應用于量化股票：多因子框架中的梯度提升算法
7.1導讀
7.2提升樹入門
7.3數據和方案
7.4建立模型
7.5結果和討論
7.6結論 第8章 企業文化的社交媒體分析
8.1導讀
8.2文獻綜述
8.3數據與樣本構建
8.4推斷企業文化
8.5檢驗結果
8.6結論 第9章 能源期貨交易的機器學習與事件檢測
9.1導讀
9.2數據說明
9.3模型框架
9.4表現
9.5結論 第10章 財經新聞中的自然語言處理
10.1導讀
10.2新聞數據來源
10.3實際應用
10.4自然語言處理
10.5數據及方法論
10.6結論 第11章 基于支持向量機的全球戰術性資產配置
11.1導讀
11.2過去50年的全球戰術性資產配置
11.3經濟學文獻中的支持向量機
11.4基于支持向量回歸的全球戰術性資產配置策略
11.5結論 第12章 金融中的強化學習
12.1導讀
12.2馬爾科夫決策過程：決策的一般框架
12.3理性及決策的不確定性
12.4均值-方差的等價性
12.5回報
12.6組合價值與財富
12.7具體案例
12.8結論與進一步的工作 第13章 金融深度學習，基于LSTM網絡的股票收益預測
13.1導讀
13.2相關工作
13.3金融市場的時間序列分析
13.4深度學習
13.5循環神經網絡
13.6長短期記憶網絡
13.7金融模型
13.8結論
附錄 參考文獻
譯者簡介
展開全部
大數據、機器學習與量化投資 相關資料
劉健鈞
湖南大學教授，清華大學全球私募股權研究院首席專家，證監會市場監管二部原副主任、一級巡視員
大數據時代的量化投資搭上了機器學習的東風，大量經濟數據所包含的投資信息得以發掘，投資策略構建所依賴的基礎數據和使用方法將變得多樣化。在這本書中，作者用豐富的理論和案例為讀者描繪了大數據和機器學習在金融領域的運用，不僅展示了如何觀察因子挖掘和模型構建中的問題并予以優化，還對大數據的操作處理作了詳細解答。既可為初學者指引研究道路，也能吸引量化投資領域專家共同思考大數據與機器學習技術的深度應用方法，是一本不可多得的參考書。
呂本富
中國科學院大學教授，中國國家創新與發展戰略研究會副會長，中國信息經濟學會副會長
量化投資已經是國際資本市場的主流投資范式，在中國應該有著廣闊發展空間和光明前景。量化投資扎根于大數據來源精準化及其數據處理方法的不斷進化。這本書提供了來自海外量化投資一線的相關數據源和*新方法論，并配有*鮮活的實踐案例，我相信能為中國量化投資行業提供寶貴的參考。
鮮染，乾象投資創始合伙人兼任首席技術官
這本書繪制了人工智能、機器學習、自然語言處理等技術在量化投資中具體如何應用的全景圖譜，既有宏觀的討論，也有豐富的案例，兼具科學嚴謹性與趣味可讀性，對量化投資從業者、學者與有志于從事量化行業的學生而言是難得的好書。
丁奇，中信證券研究部高級副總裁，《大話無線通信》作者
隨著ChatGPT展現出的驚人理解能力與對話能力，人工智能、數據要素與大模型再度得到人們的重視。數據規模與計算規模一旦跨越過“奇點”就能產生“涌現”的效果，量化投資也是如此，在未來更多數據源的使用下，量化投資模型將得以更精準地捕捉市場中的定價失靈，更有效地實現統計套利。但同時，AIGC的盛行也會給信息源帶來污染，給投資帶來挑戰。中國量化投資的發展方興未艾，未來將深刻地改變資本市場的生態，重塑當前主觀投資的范式，本書提供了很好的參考。
蔣志祥，分享通信董事會主席，國際商會中國國家委員會副主席，全國工商聯執委
量化投資是一種更精確、更科學化的投資思維與投資方法，它將投資者的智慧沉淀為算法與代碼，從海量的數據中通過大模型挖掘出超額收益。相比較于主觀投資，量化投資可以*大程度的減少投資者情緒波動下的非理性決策影響，獲得持續、穩定、高于平均收益的超額回報。在未來數字經濟時代，量化投資如何與主觀投資結合，激發出數據要素的活力，克服市場噪音的限制，這本書提供了重要的視角。
大數據、機器學習與量化投資 作者簡介
托尼·吉達，倫敦一家老牌養老基金的資深量化投資基金經理，負責管理多因子股票投資組合。在此之前，曾在EDHEC RISK Scientific Beta 擔任高級顧問，負責聰明貝塔和風險配置，就如何構建和配置風險溢價向資產所有者提供專業建議。在加入EDHEC之前，他在UNIGESTION工作了8年，擔任高級研究分析師。他曾是Minimum Variance Strategies研究和投資委員會的成員，負責領導機構客戶因子投資研究小組。他擁有法國薩沃伊大學計量經濟學和金融學學士和碩士學位。曾多次發表關于量化投資現代方法的演講，并多次舉辦關于“機器學習應用于量化投資”的研討會。
書友推薦
- >
莉莉和章魚
- >
有舍有得是人生
- >
龍榆生：詞曲概論/大家小書
- >
我從未如此眷戀人間
- >
煙與鏡
- >
上帝之肋:男人的真實旅程
- >
企鵝口袋書系列·偉大的思想20:論自然選擇(英漢雙語)
- >
李白與唐代文化
本類暢銷
