大数据、机器学习与量化投资

1星价 ¥74.3 (7.5折)

2星价￥74.3 定价￥99.0

作者：托尼·吉达

出版社：中信出版社

本类榜单：经济

分类：经济 > 经济通俗读物

暂无评论

图文详情

ISBN：9787521755640
装帧：平装-胶订
册数：暂无
重量：暂无
开本：16开
页数：424
出版时间：2023-08-01
条形码：9787521755640 ; 978-7-5217-5564-0

本书特色

1.金融领域趋势。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。未来，机器学习技术和数据科学将成为金融投资领域的新主流。
2.内容丰富，案例翔实。这本书不仅提供微观方法的理论阐述、案例说明，还有宏观视角的比较分析、趋势展望，是量化投资领域稀缺的“手册”型书籍。
3.全能作者团队。汇集来自买方、卖方及量化研究的多位业内颇具影响力的专家学者的前沿分享，他们从不同方面审视了大数据和机器学习技术在金融投资领域中的应用，将为从业者提供重要参考。
4.硬核译者团队。这本书具有极强的专业性，包含了数学、计算机、金融投资等领域的专业内容，来自国际国内名校的毕业生和量化投资领域的专家组成的译者团队和译校团队，对这本书做了精益求精的翻译，力求为从业者和爱好者提供良好的阅读体验。

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。

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

展开全部

相关资料

刘健钧
湖南大学教授，清华大学全球私募股权研究院首席专家，证监会市场监管二部原副主任、一级巡视员
大数据时代的量化投资搭上了机器学习的东风，大量经济数据所包含的投资信息得以发掘，投资策略构建所依赖的基础数据和使用方法将变得多样化。在这本书中，作者用丰富的理论和案例为读者描绘了大数据和机器学习在金融领域的运用，不仅展示了如何观察因子挖掘和模型构建中的问题并予以优化，还对大数据的操作处理作了详细解答。既可为初学者指引研究道路，也能吸引量化投资领域专家共同思考大数据与机器学习技术的深度应用方法，是一本不可多得的参考书。吕本富
中国科学院大学教授，中国国家创新与发展战略研究会副会长，中国信息经济学会副会长
量化投资已经是国际资本市场的主流投资范式，在中国应该有着广阔发展空间和光明前景。量化投资扎根于大数据来源精准化及其数据处理方法的不断进化。这本书提供了来自海外量化投资一线的相关数据源和*新方法论，并配有*鲜活的实践案例，我相信能为中国量化投资行业提供宝贵的参考。鲜染，乾象投资创始合伙人兼任首席技术官
这本书绘制了人工智能、机器学习、自然语言处理等技术在量化投资中具体如何应用的全景图谱，既有宏观的讨论，也有丰富的案例，兼具科学严谨性与趣味可读性，对量化投资从业者、学者与有志于从事量化行业的学生而言是难得的好书。丁奇，中信证券研究部高级副总裁，《大话无线通信》作者
随着ChatGPT展现出的惊人理解能力与对话能力，人工智能、数据要素与大模型再度得到人们的重视。数据规模与计算规模一旦跨越过“奇点”就能产生“涌现”的效果，量化投资也是如此，在未来更多数据源的使用下，量化投资模型将得以更精准地捕捉市场中的定价失灵，更有效地实现统计套利。但同时，AIGC的盛行也会给信息源带来污染，给投资带来挑战。中国量化投资的发展方兴未艾，未来将深刻地改变资本市场的生态，重塑当前主观投资的范式，本书提供了很好的参考。蒋志祥，分享通信董事会主席，国际商会中国国家委员会副主席，全国工商联执委
量化投资是一种更精确、更科学化的投资思维与投资方法，它将投资者的智慧沉淀为算法与代码，从海量的数据中通过大模型挖掘出超额收益。相比较于主观投资，量化投资可以*大程度的减少投资者情绪波动下的非理性决策影响，获得持续、稳定、高于平均收益的超额回报。在未来数字经济时代，量化投资如何与主观投资结合，激发出数据要素的活力，克服市场噪音的限制，这本书提供了重要的视角。

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。

本类五星书