کتاب یادگیری ماشین برای تجارت الگوریتمی: مدلهای پیش بینی کننده برای استخراج سیگنال ها از بازار و داده های جایگزین برای استراتژی های معاملاتی سیستماتیک با پایتون ، نسخه دوم

انتخاب پلن

انتخاب پلن برای ادامه خرید الزامی است.

 
دانلود کتاب Machine Learning for Algorithmic Trading: Predictive models to extract signals from market and alternative data for systematic trading strategies with Python, 2nd Edition

عنوان کتاب به انگلیسی:

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

سال انتشار: 2020  |  820 صفحه  |  حجم فایل: 22 مگابایت  |  زبان: انگلیسی
نویسنده Stefan Jansen
ناشر Packt Publishing
ISBN10: 1839217715
ISBN13: 9781839217715

توضیحات کتاب

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 FeaturesDesign, 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 dataBook DescriptionThe 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 Machine Learning for Trading – From Idea to Execution Market and Fundamental Data – Sources and Techniques Alternative Data for Finance – Categories and Use Cases Financial Feature Engineering – How to Research Alpha Factors Portfolio Optimization and Performance Evaluation The Machine Learning Process Linear Models – From Risk Factors to Return Forecasts The ML4T Workflow – From Model to Strategy Backtesting Time-Series Models for Volatility Forecasts and Statistical Arbitrage Bayesian ML – Dynamic Sharpe Ratios and Pairs Trading (N.B. Please use the Look Inside option to see further chapters)

توضیحات کتاب به فارسی (ترجمه ماشینی)

یادگیری ماشین اهرم برای طراحی و استراتژی های معاملاتی خودکار برای بازارهای دنیای واقعی با استفاده از پاندا ، TA-Lib ، Scikit-Learn ، LightGBM ، Spacy ، Gensim ، Tensorflow 2 ، Zipline ، Backstrader ، Alphalens و Pyfolio. ویژگی های کلیدی طراحی ، آموزش و ارزیابی الگوریتم های یادگیری ماشین که زیربنای استراتژی های معاملاتی خودکار است یک فرایند تحقیق و توسعه استراتژی ایجاد کنید تا از مدل سازی پیش بینی شده در تصمیمات تجاری استفاده کنید اهرم NLP و یادگیری عمیق برای استخراج سیگنال های قابل تجارت از داده های بازار و جایگزین توضیحات کتاب رشد انفجاری داده های دیجیتال باعث افزایش تقاضا برای تخصص در استراتژی های معاملاتی که از یادگیری ماشین (ML) استفاده می شود ، افزایش یافته است.این نسخه دوم اصلاح شده و گسترش یافته شما را قادر می سازد تا مدلهای پیشرفته نظارت شده ، بدون نظارت و تقویت شده را بسازید و ارزیابی کنید. این کتاب یادگیری ماشین نهایی را برای گردش کار تجارت ، از ایده و مهندسی ویژگی گرفته تا مدل بهینه سازی ، طراحی استراتژی و پشتی معرفی می کند.این موضوع را با استفاده از نمونه هایی از مدل های خطی و گروه های مبتنی بر درخت گرفته تا تکنیک های یادگیری عمیق از تحقیقات برش نشان می دهد. این نسخه نشان می دهد که چگونه می توان با داده های بازار ، اساسی و جایگزین مانند داده های کنه ، کافه های دقیقه و روزانه ، پرونده های SEC ، رونوشت های تماس با درآمد ، اخبار مالی یا تصاویر ماهواره ای برای تولید سیگنال های قابل تجارت کار کرد.این نشان می دهد که چگونه می توان ویژگی های مالی یا عوامل آلفا را مهندسی کرد که یک مدل ML را قادر می سازد بازده داده های قیمت را برای سهام ایالات متحده و بین المللی و ETF پیش بینی کند.همچنین نحوه ارزیابی محتوای سیگنال ویژگی های جدید با استفاده از مقادیر Alphalens و Shap را نشان می دهد و شامل یک ضمیمه جدید با بیش از صد نمونه عامل آلفا است. در پایان ، شما در ترجمه پیش بینی های مدل ML به یک استراتژی معاملاتی که در افق های روزانه یا داخل بدن و در ارزیابی عملکرد آن کار می کند ، مهارت خواهید داشت. آنچه یاد خواهید گرفت داده های متنی و تصویر جایگزین بازار ، اساسی و جایگزین عوامل آلفا را با استفاده از آمار ، آلفالن ها و مقادیر تراز تحقیق و ارزیابی کنید تکنیک های یادگیری ماشین را برای حل مشکلات سرمایه گذاری و تجارت پیاده سازی کنید پشتوانه و ارزیابی استراتژی های تجارت بر اساس یادگیری ماشین با استفاده از Zipline و Backtrader ریسک و تجزیه و تحلیل عملکرد نمونه کارها را با استفاده از Pandas ، Numpy و Pyfolio بهینه کنید یک استراتژی معاملاتی جفت را بر اساس ادغام برای سهام ایالات متحده و ETF ایجاد کنید برای پیش بینی بازده داخلی با استفاده از معاملات و داده های با کیفیت بالا Algoseek ، یک مدل تقویت شیب را آموزش دهید این کتاب برای چه کسی است اگر شما یک تحلیلگر داده ، دانشمند داده ، توسعه دهنده پایتون ، تحلیلگر سرمایه گذاری یا مدیر نمونه کارها هستید که علاقه مند به دریافت دانش یادگیری ماشین برای تجارت هستید ، این کتاب برای شما مناسب است.این کتاب برای شما مناسب است اگر می خواهید یاد بگیرید که چگونه می توانید ارزش را از مجموعه متنوعی از منابع داده با استفاده از یادگیری ماشین برای طراحی استراتژی های تجاری سیستماتیک خود استخراج کنید. درک برخی از تکنیک های یادگیری پایتون و ماشین مورد نیاز است. فهرست مطالب یادگیری ماشین برای تجارت - از ایده تا اجرای بازار و داده های اساسی - منابع و تکنیک ها داده های جایگزین برای امور مالی - دسته ها و موارد استفاده مهندسی ویژگی های مالی - نحوه تحقیق در مورد عوامل آلفا بهینه سازی نمونه کارها و ارزیابی عملکرد فرایند یادگیری ماشین مدل های خطی - از عوامل خطر تا بازگشت پیش بینی ها گردش کار ML4T - از مدل تا استراتژی پشتی مدل های سری زمانی برای پیش بینی نوسانات و داوری آماری Bayesian ML - نسبت های Sharpe Dynamic و معاملات جفت (N.B. لطفاً برای دیدن فصل های بعدی از گزینه Look Inside استفاده کنید)

📚 محتوای این محصول آموزشی (پکیج کامل)

علاوه بر کتاب اصلی انگلیسی که دریافت می کنید، برای یادگیری عمیق‌تر و تسلط کامل بر مباحث مجموعه‌ای از کتاب‌های آموزشی نیز ارائه می‌شود.

🎯 این بسته یک دورهٔ آموزشی کامل و چندلایه است؛ شامل ویدیوهای آموزشی، کتاب‌ها، تمرین‌ها و خودآزمایی.

ℹ️ نکات مهم هنگام خرید

  • این محصول به صورت فایل دانلودی کامل ارائه می‌شود.
  • توجه: لینک‌های اختصاصی دوره طی حداکثر 24 ساعت پس از ثبت سفارش ارسال می‌شوند.
  • دقت کنید لینک ها به شماره موبایل شما ارسال می شوند. پس در ارائه شماره موبایل صحیح دقت کنید.
  • برای راهنمایی در مورد نحوه دانلود به شماره 09395106248 پیامک دهید یا تماس بگیرید. (ایده آل ترین گزینه ارسال پیام در یکی از پیام رسان ها به همین شماره است تا سریعا لینک های محصول همان جا برای شما ارسال گردد.)
  • اگر پرداخت انجام شده ولی بعد از 24 ساعت هنوز لینک‌ها را دریافت نکرده‌اید، نام و نام خانوادگی و نام محصول را پیامک کنید تا لینک‌ها دوباره ارسال شوند.

💬 راه‌های ارتباطی پشتیبانی:
واتس‌اپ یا هر پیام رسان داخلی یا پیامک: 09395106248
تلگرام: @ma_limbs

نظرات

هنوز نظری ثبت نشده است.

وارد شوید تا نظر ثبت کنید.