人工智能時(shí)代，數(shù)字?jǐn)?shù)據(jù)的爆炸式增長推動(dòng)了人們對(duì)使用機(jī)器學(xué)習(xí)（ML）的交易策略相關(guān)知識(shí)的需求。《機(jī)器學(xué)習(xí)在算法交易中的應(yīng)用（第2版）》就以Python為基本工具，從全局、戰(zhàn)略的視角介紹了相關(guān)的概念，以及機(jī)器學(xué)習(xí)在交易策略設(shè)計(jì)和執(zhí)行中的價(jià)值及實(shí)踐運(yùn)用。全書分4部分，其中第1部分主要介紹基于機(jī)器學(xué)習(xí)的交易策略的基礎(chǔ)知識(shí)，該部分內(nèi)容圍繞機(jī)器學(xué)習(xí)算法以及交易策略相關(guān)的數(shù)據(jù)展開，概述了如何有效捕獲數(shù)據(jù)信號(hào)內(nèi)容、如何準(zhǔn)確提取特征，以及如何基于這些數(shù)據(jù)優(yōu)化算法評(píng)估投資組合。第2部分重點(diǎn)闡述了在端到端工作流環(huán)境中，一些基本的監(jiān)督學(xué)習(xí)、無監(jiān)督學(xué)習(xí)是如何為交易策略的制定提供幫助的。第3部分是自然語言處理，這部分引入了當(dāng)今最先進(jìn)的無監(jiān)督學(xué)習(xí)算法，力求從文本數(shù)據(jù)這種最關(guān)鍵的另類數(shù)據(jù)中高質(zhì)量地提取信號(hào)。第4部分通過TensorFlow和PyTorch，重點(diǎn)介紹深度學(xué)習(xí)和強(qiáng)化學(xué)習(xí)在交易策略設(shè)計(jì)中的應(yīng)用。
《機(jī)器學(xué)習(xí)在算法交易中的應(yīng)用（第2版）》通過大量示例，詳細(xì)介紹了如何使用不同機(jī)器學(xué)習(xí)算法設(shè)計(jì)交易策略，并通過大量的數(shù)學(xué)及統(tǒng)計(jì)知識(shí)，幫助讀者更好地理解算法調(diào)優(yōu)過程及整個(gè)計(jì)算過程。特別適合想獲得用于交易的機(jī)器學(xué)習(xí)算法相關(guān)知識(shí)或想設(shè)計(jì)交易策略的數(shù)據(jù)分析師、數(shù)據(jù)科學(xué)家、Python開發(fā)人員、投資分析師或投資組合經(jīng)理參考學(xué)習(xí)。