Apprentissage profond en trading quantitatif - Broché

par Zihao Zhang (Auteur), Stefan Zohren (Auteur)

Cet Élément offre un guide complet sur l'apprentissage profond dans le trading quantitatif, fusionnant la théorie fondamentale avec des applications pratiques. Il est organisé en deux parties. La première partie présente les fondamentaux des séries temporelles financières et de l'apprentissage supervisé, explorant diverses architectures de réseaux, des réseaux feedforward aux réseaux de pointe. Pour assurer la robustesse et atténuer le surapprentissage sur des données complexes du monde réel, un flux de travail complet est présenté, de l'analyse initiale des données aux techniques de validation croisée adaptées aux données financières. S'appuyant sur cela, la seconde partie applique les méthodes d'apprentissage profond à une gamme de tâches financières. Les auteurs démontrent comment les modèles d'apprentissage profond peuvent améliorer à la fois les stratégies de trading de momentum en séries temporelles et en coupe transversale, générer des signaux prédictifs, et être formulés comme un cadre de bout en bout pour l'optimisation de portefeuille. Les applications comprennent un mélange de données, allant des données quotidiennes aux données de microstructure à haute fréquence pour une variété de classes d'actifs. Tout au long, ils incluent des exemples de code illustratifs et fournissent un dépôt GitHub dédié avec des implémentations détaillées.