Descripción
Aproveche el aprendizaje automático para diseñar y realizar pruebas retrospectivas de estrategias de trading automatizadas para mercados del mundo real usando pandas, TA-Lib, scikit-learn, LightGBM, SpaCy, Gensim, TensorFlow 2, Zipline, backtrader, Alphalens y pyfolio.
Características clave:
- Diseñe, entrene y evalúe algoritmos de aprendizaje automático que sustentan estrategias de trading automatizadas
- Cree un proceso de investigación y desarrollo de estrategias para aplicar el modelado predictivo a las decisiones de trading
- Aproveche el PNL y el aprendizaje profundo para extraer señales operables de datos de mercado y alternativos
Descripción del libro:
El crecimiento explosivo de los datos digitales ha impulsado la demanda de expertos en estrategias de trading que utilizan el aprendizaje automático (ML). Esta segunda edición revisada y ampliada le permite construir y evaluar modelos sofisticados de aprendizaje supervisado, no supervisado y por refuerzo.
Este libro presenta el aprendizaje automático de principio a fin para el flujo de trabajo de trading, desde la idea y la ingeniería de características hasta la optimización del modelo, el diseño de la estrategia y las pruebas retrospectivas. Lo ilustra con ejemplos que van desde modelos lineales y conjuntos basados en árboles hasta técnicas de aprendizaje profundo de la investigación de vanguardia.
Esta edición muestra cómo trabajar con datos de mercado, fundamentales y alternativos, como datos de ticks, barras de minutos y diarias, presentaciones de la SEC, transcripciones de llamadas de ganancias, noticias financieras o imágenes satelitales para generar señales operables. Ilustra cómo diseñar características financieras o factores alfa que permiten a un modelo de ML predecir rendimientos a partir de datos de precios para acciones y ETF de EE. UU. e internacionales. También muestra cómo evaluar el contenido de la señal de nuevas características usando valores de Alphalens y SHAP e incluye un nuevo apéndice con más de cien ejemplos de factores alfa.
Al final, será competente en la traducción de predicciones de modelos de ML en una estrategia de trading que opera en horizontes diarios o intradiarios, y en la evaluación de su rendimiento.
Lo que aprenderá:
- Aprovechar datos de mercado, fundamentales, de texto y de imágenes alternativos
- Investigar y evaluar factores alfa usando estadísticas, Alphalens y valores SHAP
- Implementar técnicas de aprendizaje automático para resolver problemas de inversión y trading
- Realizar pruebas retrospectivas y evaluar estrategias de trading basadas en aprendizaje automático usando Zipline y Backtrader
- Optimizar el riesgo de la cartera y el análisis de rendimiento usando pandas, NumPy y pyfolio
- Crear una estrategia de trading de pares basada en la cointegración para acciones y ETF de EE. UU.
- Entrenar un modelo de aumento de gradiente para predecir rendimientos intradiarios usando datos de operaciones y cotizaciones de alta calidad de AlgoSeek
A quién va dirigido este libro:
Si usted es analista de datos, científico de datos, desarrollador de Python, analista de inversiones o gestor de cartera interesado en adquirir conocimientos prácticos de aprendizaje automático para el trading, este libro es para usted. Este libro es para usted si desea aprender a extraer valor de un conjunto diverso de fuentes de datos utilizando el aprendizaje automático para diseñar sus propias estrategias de trading sistemáticas.
Se requiere cierta comprensión de Python y las técnicas de aprendizaje automático.
Autor: Stefan Jansen
Editorial: Packt Publishing
Publicado: 31/07/2020
Páginas: 822
Tipo de encuadernación: Tapa blanda
Peso: 3.05 libras
Tamaño: 9.25h x 7.50w x 1.63d
ISBN13: 9781839217715
ISBN10: 1839217715
Categorías BISAC:
- Computadoras | Inteligencia Artificial | General
- Computadoras | Ciencia de Datos | Redes Neuronales
- Negocios y Economía | Inversiones y Valores | General
Este título no es retornable