这是一本使用机器学习算法来克服投资问题的实用指南。
机器学习算法正在逐渐接管投资的世界，如今可以被用来执行以前只能由专家小组执行的任务。在未来几年，机器学习算法将会给金融领域带来颠覆性变化，并将改变几代人的投资方式。这本书的作者马科斯·洛佩斯·德普拉多集投资经理、教授、研究员三重身份于一身，20多年来致力于通过普及机器学习算法和超级计算的使用，以及开发识别错误投资策略（假阳性）的统计测试，实现金融领域的现代化。
《金融机器学习》这本书分为5部分。第1部分介绍了如何构造适合机器学习算法的金融数据；第2部分介绍了如何科学地应用机器学习算法研究这些数据并获得实际发现；第3部分介绍了如何回测以及评估模型错误的概率；第4部分回归到数据，解释从中提取信息特征的创新方法；第5部分介绍了高性能计算方法。书中大多数问题和解决方法都是用数学公示来解释的，并提供了代码片段和练习，具有很强的实操性，可以作为金融领域投资人士的工具书。

马科斯·洛佩斯·德普拉多（Marcos Lopez de Prado），美国劳伦斯·伯克利国家实验室研究员，康奈尔大学电气与计算机工程学院教授，拥有金融经济学和数学金融学双博士学位。2020年担任阿布扎比投资局（ADIA）量化研究与开发业务的全球负责人。拥有20多年利用机器学习算法和超级计算开发投资策略的经验。曾在影响因子很高的学术期刊上发表了数十篇关于机器学习算法和超级计算的科学文章。曾在美国国会就人工智能对金融领域的影响发表演讲。2019年被《投资组合管理杂志》评为“年度量化分析师”。

第1章 作为独立学科的金融机器学习
1.1 写作动机
1.2 金融机器学习失败的主要原因
1.2.1 西西弗斯范式
1.2.2 元策略范式
1.3 本书的结构
1.3.1 按生产链定位章节内容
1.3.2 按策略组件定位章节内容
1.3.3 按常见陷阱定位章节内容
1.4 目标读者
1.5 前提
1.6 常见问题解答
1.6.1 机器学习算法如何在金融领域中发挥作用？
1.6.2 机器学习算法在投资中如何打败人类？
1.6.3 这是否意味着对于人工投资者来说，就没有任何空间了呢？
1.6.4 金融机器学习与计量经济学的差别是什么？
1.6.5 该对那些不把机器学习算法当作黑箱的人说些什么？
1.6.6 为什么不讨论特定的机器学习算法？
1.6.7 关于这个主题，有哪些其他书籍可以推荐？
1.6.8 我看不懂书里的部分章节，怎么办？
1.6.9 本书为什么对回测中的过拟合念念不忘？
1.6.10 书中数学符号的使用规则是什么？
1.6.1l 谁写作了第22章？
第1部分 数据分析
第2章 金融数据结构
2.1 动机
2.2 金融数据的基本类型
2.2.1 基础数据
2.2.2 市场数据
2.2.3 分析数据
2.2.4 另类数据
2.3 线
2.3.1 标准线
2.3.2 信息驱动线
2.4 多产品序列处理
2.4.1 ETF分时法
2.4.2 用主成分分析（PCA）确定权重
2.4.3 单期货滚动
2.5 采样特征
2.5.1 缩减采样
2.5.2 事件驱动采样
第3章 标签
3.1 动机
3.2 同定时间水平标识法
……
第2部分 模型
第3部分 回测
第4部分 用用的金融特征
第5部分 高性能计算方法
致谢
谢者简介