0 رای
وضعیت موجودی موجود

قیمت قبلی: 9,000,000 ریال
قیمت: 8,600,000 ریال

 



Product details

  • Publisher ‏ : ‎ Packt Publishing (July 31, 2020)
  • Language ‏ : ‎ English
  • Paperback ‏ : ‎ 820 pages
  • ISBN-10 ‏ : ‎ 1839217715
  • ISBN-13 ‏ : ‎ 978-1839217715

 

جلد معمولی سیاه و سفید_کتاب Machine Learning for Algorithmic Trading: Predictive models to extract signals from market and alternative data for systematic trading strategies with Python, 2nd Edition

Leverage machine learning to design and back-test automated trading strategies for real-world markets using pandas, TA-Lib, scikit-learn, LightGBM, SpaCy, Gensim, TensorFlow 2, Zipline, backtrader, Alphalens, and pyfolio.

Key Features

  • Design, train, and evaluate machine learning algorithms that underpin automated trading strategies
  • Create a research and strategy development process to apply predictive modeling to trading decisions
  • Leverage NLP and deep learning to extract tradeable signals from market and alternative data

Book Description

The explosive growth of digital data has boosted the demand for expertise in trading strategies that use machine learning (ML). This revised and expanded second edition enables you to build and evaluate sophisticated supervised, unsupervised, and reinforcement learning models.

This book introduces end-to-end machine learning for the trading workflow, from the idea and feature engineering to model optimization, strategy design, and backtesting. It illustrates this by using examples ranging from linear models and tree-based ensembles to deep-learning techniques from cutting edge research.

This edition shows how to work with market, fundamental, and alternative data, such as tick data, minute and daily bars, SEC filings, earnings call transcripts, financial news, or satellite images to generate tradeable signals. It illustrates how to engineer financial features or alpha factors that enable an ML model to predict returns from price data for US and international stocks and ETFs. It also shows how to assess the signal content of new features using Alphalens and SHAP values and includes a new appendix with over one hundred alpha factor examples.

By the end, you will be proficient in translating ML model predictions into a trading strategy that operates at daily or intraday horizons, and in evaluating its performance.

What you will learn

  • Leverage market, fundamental, and alternative text and image data
  • Research and evaluate alpha factors using statistics, Alphalens, and SHAP values
  • Implement machine learning techniques to solve investment and trading problems
  • Backtest and evaluate trading strategies based on machine learning using Zipline and Backtrader
  • Optimize portfolio risk and performance analysis using pandas, NumPy, and pyfolio
  • Create a pairs trading strategy based on cointegration for US equities and ETFs
  • Train a gradient boosting model to predict intraday returns using AlgoSeek's high-quality trades and quotes data

Who this book is for

If you are a data analyst, data scientist, Python developer, investment analyst, or portfolio manager interested in getting hands-on machine learning knowledge for trading, this book is for you. This book is for you if you want to learn how to extract value from a diverse set of data sources using machine learning to design your own systematic trading strategies.

Some understanding of Python and machine learning techniques is required.

Table of Contents

(N.B. Please use the Look Inside option to see further chapters)

  1. Machine Learning for Trading – From Idea to Execution
  2. Market and Fundamental Data – Sources and Techniques
  3. Alternative Data for Finance – Categories and Use Cases
  4. Financial Feature Engineering – How to Research Alpha Factors
  5. Portfolio Optimization and Performance Evaluation
  6. The Machine Learning Process
  7. Linear Models – From Risk Factors to Return Forecasts
  8. The ML4T Workflow – From Model to Strategy Backtesting
  9. Time-Series Models for Volatility Forecasts and Statistical Arbitrage
  10. Bayesian ML – Dynamic Sharpe Ratios and Pairs Trading

منابع کتاب جلد معمولی سیاه و سفید_کتاب Machine Learning for Algorithmic Trading: Predictive models to extract signals from market and alternative data for systematic trading strategies with Python, 2nd Edition

اهرم یادگیری ماشین برای طراحی و عقب تست استراتژی های تجاری خودکار برای بازارهای دنیای واقعی با استفاده از Pandas، Ta-Lib، Scikit-Learn، LightGBM، Spacy، Gensim، Tensorflow 2، Zipline، Backtrader، Alphalens و Pyfolio.
 
ویژگی های کلیدی
طراحی، قطار و ارزیابی الگوریتم های یادگیری ماشین که دارای استراتژی های تجاری خودکار هستند
ایجاد یک فرآیند توسعه تحقیق و استراتژی برای اعمال مدل سازی پیش بینی شده برای تصمیم گیری های تجاری
اهرم NLP و یادگیری عمیق برای استخراج سیگنال های قابل حمل از اطلاعات بازار و جایگزین
توضیحات کتاب
رشد انفجاری داده های دیجیتال تقاضا برای تخصص در استراتژی های تجاری را افزایش داده است که از یادگیری ماشین استفاده می کنند (ML). این نسخه دوم تجدید نظر شده و گسترش یافته شما را قادر می سازد تا مدل های یادگیری پیشرفته، نظارت و تقویت پیشرفته را ایجاد و ارزیابی کنید.
 
این کتاب، یادگیری ماشین پایان به پایان را برای گردش کار تجاری، از ایده و مهندسی ویژگی به مدل بهینه سازی، طراحی استراتژی و Backtesting معرفی می کند. این کار را با استفاده از نمونه هایی از مدل های خطی و گروه های مبتنی بر درخت به تکنیک های یادگیری عمیق از تحقیقات برش لبه نشان می دهد.
 
این نسخه نشان می دهد که چگونه با داده های بازار، بنیادی و جایگزین، مانند داده های تیک، دقیقه و میله های روزانه، SEC Filings، رونوشت های تماس تلفنی، اخبار مالی، یا تصاویر ماهواره ای برای تولید سیگنال های قابل فروش کار می کنند. این نشان می دهد که چگونه به مهندسان ویژگی های مالی یا عوامل آلفا که مدل ML را قادر می سازد برای پیش بینی بازده از داده های قیمت برای سهام ایالات متحده و بین المللی و ETFs را فعال کنید. همچنین نشان می دهد که چگونه می توان محتوای سیگنال ویژگی های جدید را با استفاده از مقادیر الفالز و شکل ارزیابی کرد و شامل یک آپاندیس جدید با بیش از صد نمونه عوامل فاکتور آلفا است.
 
در پایان، شما در ترجمه پیش بینی های ML مدل به یک استراتژی تجاری که در افق های روزانه یا روزانه و در ارزیابی عملکرد آن کار می کند، حرفه ای خواهید بود.
 
آنچه شما یاد می گیرید
اهرم بازار، بنیادین و متن جایگزین و داده های تصویر
تحقیق و ارزیابی عوامل آلفا با استفاده از آمار، الفالز و مقادیر شکل
پیاده سازی تکنیک های یادگیری ماشین برای حل مشکلات سرمایه گذاری و تجارت
Backtest و ارزیابی استراتژی های تجاری بر اساس یادگیری ماشین با استفاده از Zipline و BackTrader
بهینه سازی ریسک نمونه کارها و تجزیه و تحلیل عملکرد با استفاده از Pandas، Numpy و Pyfolio
یک استراتژی معاملاتی جفت را بر اساس هماهنگی برای سهام ایالات متحده و ETF ایجاد کنید
قطار یک مدل تقویت گرادیان برای پیش بینی بازده روزانه با استفاده از معاملات با کیفیت بالا Algoseek و نقل قول ها
چه کسی این کتاب است؟
اگر شما یک تحلیلگر داده، دانشمند داده، توسعه دهنده Python، تحلیلگر سرمایه گذاری یا مدیر نمونه کارها هستید که علاقه مند به گرفتن دانش یادگیری ماشین برای تجارت، این کتاب برای شما است. این کتاب برای شما مناسب است اگر شما می خواهید یاد بگیرید چگونه به استخراج مقدار از مجموعه متنوع از منابع داده ها با استفاده از ماشین یادگیری برای طراحی استراتژی های تجاری سیستماتیک خود را.
 
برخی از درک تکنیک های یادگیری پایتون و ماشین مورد نیاز است.
 
فهرست مطالب
یادگیری ماشین برای تجارت - از ایده به اعدام
اطلاعات بازار و بنیادی - منابع و تکنیک ها
داده های جایگزین برای امور مالی - دسته ها و موارد استفاده
مهندسی ویژگی های مالی - چگونه به تحقیق عوامل آلفا
بهینه سازی نمونه کارها و ارزیابی عملکرد
فرآیند یادگیری ماشین
مدل های خطی - از عوامل خطر برای پیش بینی های پیش بینی
گردش کار ML4T - از مدل به استراتژی Backstesting
مدل های سری زمانی برای پیش بینی های نوسانات و داوری آماری
Bayesian ML - نسبت شارپ پویا و معاملات جفت
(N.B. لطفا از نگاه در داخل گزینه برای دیدن فصل های بیشتر استفاده کنید)

نظرات کاربران درباره جلد معمولی سیاه و سفید_کتاب Machine Learning for Algorithmic Trading: Predictive models to extract signals from market and alternative data for systematic trading strategies with Python, 2nd Edition

نظری در مورد این محصول توسط کاربران ارسال نگردیده است.
اولین نفری باشید که در مورد جلد معمولی سیاه و سفید_کتاب Machine Learning for Algorithmic Trading: Predictive models to extract signals from market and alternative data for systematic trading strategies with Python, 2nd Edition نظر می دهد.

ارسال نظر درباره جلد معمولی سیاه و سفید_کتاب Machine Learning for Algorithmic Trading: Predictive models to extract signals from market and alternative data for systematic trading strategies with Python, 2nd Edition

لطفا توجه داشته باشید که ایمیل شما منتشر نخواهد شد.

برچسب های مرتبط با جلد معمولی سیاه و سفید_کتاب Machine Learning for Algorithmic Trading: Predictive models to extract signals from market and alternative data for systematic trading strategies with Python, 2nd Edition

Intelligence & Semantics AI & Machine Learning خرید اینترنتی کتاب های لاتین خرید اینترنتی کتاب های زبان اصلی کامپیوتر

بر اساس سلیقه شما...

  Product details Publisher ‏ : ‎  Cengage Lea ...
6,320,000 ریال
Product details Publisher ‏ : ‎  Springer; 2013th edition ...
8,550,000 ریال

codebazan

طراحی و اجرا: فروشگاه ساز سبدخرید