ファイナンス機械学習

モチベーションにあるように、機械学習の実践を目指して、ファイナンス機械学習の簡単な要点のまとめです。日本語版はこちらです。

はじめのいくつかを読むとわかりますが、とても難しく、お金が絡むので様々な情報が溢れています。興味を持った方、1次情報を確認したい方は、ぜひ、ファイナンス機械学習を購入して学ぶことをおすすめします。

はじめに

リンク概要
モチベーション挑戦と勉強の記録のはじめのモチベーションをまとめています。
分野の理解を深めるプロジェクトの失敗の要因、チームの構成を確認します

データ分析

リンク概要
データ構造基本形式として、バーなどを紹介します。
ラベリング金融データのラベルの付け方を紹介します。
標本の重みづけ観測値が独立同分布な過程によって生成されているわけでないという問題に対処するための重みづけの使い方を学びます。
分数次差分をとった特徴量可能な限り多くの履歴を保持し、データの定常的なものへの変換方法を紹介します。

モデリング

リンク概要
アンサンブル法アンサンブル法のいくつかを効果的にし、金融分野での誤用につながる誤りを回避する方法を紹介します。
交差検証法k-分割交差検証について紹介します。
特徴量の重要度特徴量の重要度についてまとめます。
交差検証法によるハイパーパラメータの調整グリッドサーチ交差検証法、ランダムサーチ交差検証法を確認します。

バックテスト

リンク概要
ベットサイズの決定機械学習の予測に基づいた決定のアプローチを検討しました。
バックテストの危険性バックテストについて、正しい理解に向かうための知識を紹介します。
交差検証によるバックテスト交差検証によるバックテストを2つのアプローチで検討、紹介します。
人工データのバックテスト過学習の可能性を低くするための方法を学びます。
バックテストの統計値効率性などの測定指標を紹介します。
戦略リスクを理解するポートフォリオマネージャ向けの評価に対する考え方を深めます。
機械学習によるアセットアロケーションポートフォリオの構築について、歴史的な流れも込みで学びます。

金融市場分析のための特徴量

リンク概要
構造変化CUSUM検定、爆発性検定について紹介します。
エントロピー特徴量価格系列に含まれる情報量を決定する方法を検討しました。
マイクロストラクチャーに基づく特徴量取引の参加者の意図の理解に活用でき、機械学習モデルの構築で重要な一つの要素について学びました。

ハイパフォーマンス コンピューティング

リンク概要
ハイパフォーマンス コンピューティング趣旨から外れるため、簡単なまとめですが、ファイナンスだけでなく様々な分野の方が読むべきというような簡単なまとめです。