【2020新书】《金融机器学习：从理论到实践》，附565页pdf与随书代码

这本书介绍了金融中的机器学习方法。它为量化金融提出了一个统一的处理机器学习和各种统计计算学科，如金融计量经济学和离散时间随机控制，并强调为金融数据建模和决策如何进行理论和假设检验做出算法的选择。随着计算资源和数据集的增加，机器学习已经成为金融业的一项重要技能。这本书是为在金融计量经济学，金融数学和应用统计学的高级研究生和学者写的，此外还包括在定量金融领域的定量和数据科学家。

金融中的机器学习:从理论到实践分为三个部分，每个部分包括理论和应用。第一篇从贝叶斯和频率论的角度介绍了对横断面数据的监督学习。更高级的材料强调神经网络，包括深度学习，以及高斯过程，在投资管理和衍生建模的例子。第二部分介绍了时间序列数据的监督学习，这是金融领域最常用的数据类型，并举例说明了交易、随机波动和固定收益模型。最后，第三部分介绍了强化学习及其在交易、投资和财富管理中的应用。还提供了Python代码示例，以支持读者对方法和应用的理解。这本书还包括超过80个数学和编程练习例子，与工作的解决方案可提供给教师。作为这一新兴领域研究的桥梁，最后一章从研究人员的角度介绍了金融机器学习的前沿，强调了统计物理中有多少众所周知的概念可能会作为金融机器学习的重要方法出现。

https://www.springer.com/gp/book/9783030410674

代码： https://github.com/mfrdixon/ML_Finance_Codes