| 作 者： | 托尼·吉达 |
| 出版社： | 中信出版社 |
| 丛编项： | |
| 版权说明： | 本书为出版图书，暂不支持在线阅读，请支持正版图书 |
| 标 签： | 暂缺 |
| ISBN | 出版时间 | 包装 | 开本 | 页数 | 字数 |
|---|---|---|---|---|---|
| 未知 | 暂无 | 暂无 | 未知 | 0 | 暂无 |
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
