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