Deep Learning in Quantitative Trading

درباره این کتاب

این اثر یک راهنمای جامع برای یادگیری عمیق در معاملات کمی ارائه می‌دهد و تئوری‌های بنیادی را با کاربردهای عملی ادغام می‌کند. کتاب در دو بخش سازماندهی شده است. بخش اول به معرفی مبانی سری‌های زمانی مالی و یادگیری نظارت‌شده می‌پردازد و معماری‌های مختلف شبکه، از پیش‌خور تا مدل‌های پیشرفته را بررسی می‌کند. برای اطمینان از استحکام و کاهش بیش‌برازش روی داده‌های پیچیده دنیای واقعی، یک گردش کار کامل از تحلیل اولیه داده‌ها تا تکنیک‌های اعتبارسنجی متقابل متناسب با داده‌های مالی ارائه شده است. با تکیه بر این مبانی، بخش دوم روش‌های یادگیری عمیق را در طیف وسیعی از وظایف مالی به کار می‌گیرد. نویسندگان نشان می‌دهند که چگونه مدل‌های یادگیری عمیق می‌توانند استراتژی‌های معاملاتی مومنتوم (سری زمانی و مقطعی) را بهبود بخشند، سیگنال‌های پیش‌بینی‌کننده تولید کنند و به عنوان یک چارچوب سرتاسری برای بهینه‌سازی سبد سهام فرموله شوند. کاربردها شامل ترکیبی از داده‌های روزانه تا داده‌های ریزساختار با فرکانس بالا برای انواع کلاس‌های دارایی است. در سراسر کتاب، نمونه کدهای توضیحی و یک مخزن گیت‌هاب اختصاصی با پیاده‌سازی‌های دقیق گنجانده شده است.