機器學習與量化交易
宗翔宇
- 出版商: 中國財政經濟出版社
- 出版日期: 2022-10-01
- 定價: $216
- 售價: 8.5 折 $184
- 語言: 簡體中文
- 頁數: 239
- 裝訂: 平裝
- ISBN: 7522316715
- ISBN-13: 9787522316710
-
相關分類:
Machine Learning
下單後立即進貨 (約4週~6週)
買這商品的人也買了...
-
$258$245 -
$354$336 -
$520$406 -
$414$393 -
$403Python 量化金融編程從入門到精通
-
$414$393 -
$403速通機器學習
-
$414$393 -
$611$575 -
$454機器學習算法與實現 — Python 編程與應用實例
-
$607利用 Python 實現概率、統計及機器學習方法(原書第2版)
-
$1,014$963 -
$352Python大數據分析Big Data Analysis with Python
-
$449TensorFlow 2 機器學習實戰:聚焦經濟金融科研與產業的深度學習模型
-
$774$735 -
$419$398 -
$254數據挖掘技術(微課視頻版)
-
$254統計計算
-
$600$570 -
$539$512 -
$1,015資料分析與預測演算法:基於 R語言
-
$359$341 -
$422深度學習與大模型基礎(簡體書)
-
$301最優化理論與智能算法
-
$300$270
相關主題
商品描述
本書聚焦於機器學習在量化交易中的兩個應用領域,使用機器學習算法預測時間序列,並且基於預測結果建立簡單的交易策略。
第二,使用機器學習算法優化配對交易的交易決策。
總體來說,本書給出了三個實際案例,分三章,詳細講述了三種機器學習算法的應用。
目錄大綱
第1章機器學習和量化交易介紹
1.1 背景
1.2 本書結構和貢獻
第2章一個股票指數交易策略基於二進制引力搜索算法和支持向量機
2.1 介紹
2.2 支持向量機和啟發式優化算法在金融中的應用文獻綜述
2.3 數據介紹
2.4 理論架構和模型建立
2.5 預測結果評估
2.6 交易表現
2.7 結論
第3章使用MLP,CNN,LSTM和混合方法預測和交易INDU指數和FTSE100指數
3.1 介紹
3.2 NNs與金融預測文獻綜述
3.3 數據集和工具
3.4 方法
3.5 預測數據表現
3.6 交易表現
3.7 結論
第4章深度強化學習和基因算法用於大宗商品配對交易
4.1 介紹
4.2 配對交易與深度強化學習文獻綜述
4.3 數據介紹
4.4 方法
4.5 數據表現
4.6 風險衡量
4.7 結論
第5章總結
5.1 本書總結
5.2 本書方法缺陷
5.3 未來工作
附錄
附錄A(第2章)
附錄A.1 模型輸入和數據集
附錄A.2 BGSA-SVM和基準模型預測準確率和交易表現細節
附錄A.3 夏普率和其他測試
附錄B(第3章)
附錄B.1 模型輸入和數據集
附錄B.2 八分類表現
附錄B.3 混合方法表現
附錄B.4 Chi-square測試
附錄B.5 信息率
附錄B.6 預測概率的分佈情況
附錄C(第4章)
附錄C.1 文獻列表
附錄C.2 大宗商品列表
附錄C.3 深度強化學習中的神經網絡結構
附錄C.4 協整測試的細節
附錄C.5 直接用深度強化學習交易的表現
致謝