访问官网
Github项目介绍：Machine Learning for Trading（机器学习用于交易）
《Machine Learning for Trading》第二版旨在展示如何通过机器学习（ML）来提高算法交易策略的价值。该书不仅涵盖从线性回归到深度强化学习的广泛ML技术，还展示了如何基于模型预测来构建、回测和评估交易策略。整本书分为四个部分，共23章和一个附录，篇幅超过800页，内容丰富全面。
书籍内容
数据源、特征工程与投资组合管理
本书强调数据获取的关键性，讲解了如何进行金融特征工程以及管理投资组合，提高策略的整体表现。
监督与非监督算法设计与评估
书中详细探讨了如何基于监督和非监督ML算法设计长短策略，并通过案例研究提供了实际应用的指导。
金融文本数据的信号提取
展示了如何从SEC文件、财报电话会议记录或金融新闻中提取可交易信号，为交易策略提供情感分析等支持。
深度学习模型的市场应用
涉及CNN和RNN等深度学习模型在市场和替代数据中的应用，如何利用生成对抗网络生成合成数据，以及如何使用深度强化学习训练交易代理。
辅助资源
本书对应的GitHub仓库提供超过150个笔记本，帮助读者实践书中概念、算法及用例。此资源不仅展示了如何处理市场数据、基本数据和文本与图像数据，如何训练和调优预测不同资产类别及投资时限收益的模型，还包括如何设计、回测与评估交易策略等内容。
强烈推荐
读者在阅读本书时，建议同时参考这些笔记本，因为它们通常执行状态良好且包含许多因篇幅限制未在书中呈现的信息。
书籍官方网站（ml4trading.io）提供了每章的总结和额外信息，帮助读者更好地理解书中内容。
第二版新增内容
第二版新增了多个应用章节，如策略回测、超过100种不同的alpha因子的附录，并广泛覆盖了国际股票和ETF数据，还展现了ML在高频数据中的交易策略。
书中还复制了多篇顶级期刊发表的交易应用，包括利用卷积神经网络预测基于时间序列转变为图像格式的收益，运用自编码器提取股票特征风险因子，以及通过生成对抗网络创造合成的训练数据。
社区参与
此外，项目还提供了一个在线平台（exchange.ml4trading.io），供读者就书中内容和代码示例、策略开发与实施及行业发展等问题进行交流，分享经验并相互学习。
总之，《Machine Learning for Trading》第二版提供了一种从数据获取、特征工程、模型优化到策略设计及回测的综合ML交易工作流，帮助读者开发自己的ML交易策略。
