內容簡介
本書面向廣大資產管理者和各類研究人員，基於機器學習和人工智能，指明從一個投資理念和理論到成功的投資策略具體實施的量化途徑。作者認為一個缺乏理論依據的投資策略很可能是錯誤的。為此，資產管理者應致力於發展理論，而不僅是回測潛在的交易規則。本書就是從幫助資產管理者發現經濟和金融理論的角度出發，介紹機器學習的工具。機器學習不是一個黑匣子，也不一定會過擬合。機器學習的工具與經典統計方法是互補關繫而不是替代關繫。本書認為機器學習的一些優點包括：注重樣本外的可預測性，而不是樣本內的方差判斷；使用計算方法避免依賴一些（或許不切實際的）假設；能夠“學習”復雜的規範，包括高維空間中的非線性、分層和非連續的交互效應；能夠將變量搜索與設定搜索分離，並能很好地防止多重線性和其他替代效應。
前言
很榮幸自己的Machine Learning for Asset Managers一書被譯為中文。我撰寫此書是為了填補同類著作的空白，盡管已經有許多關於機器學習的優秀教科書，但當通用機器學習技術在金融領域應用失敗時，卻很難找到具體的原因和解決的細節。金融繫統非常復雜，正確的建模必須借助大量特定領域的知識。量化投資比人臉識別和自動駕駛要困難好幾個數量級。就像我經常和學生開玩笑所講的，我的狗可以分辨出不同的面容，但是它在管理我的投資組合方面一定會做得很差。
非常感謝王飛躍教授為此書的翻譯所做的一切。我在康奈爾大學的學生中約有90％是中國公民，這既證明了中國教育繫統的高質量，也證明了這些學生願意迎難而上，解決機器學習中為棘手的問題。
對於此書的中文讀者，我相信這本書對您會有所幫助，不久後我們將有機會進一步討論這些議題。
馬科斯·M.洛佩斯·德普拉多
