machine-learning-for-trading
《機器學習交易實戰》第三版程式碼 — 從資料來源到即時執行。
machine-learning-for-trading 是什麼?
《機器學習交易實戰》第三版程式碼 — 從資料來源到即時執行。
machine-learning-for-trading 概覽
這是什麼
這是 Stefan Jansen 所著《Machine Learning for Trading, 3rd Edition》的程式碼。提供 27 個章節與九個案例研究的實作,遵循一條從資料來源與策略研究開始,經過區分調校與評估的證據邊界,再到部署與監控的端到端工作流程,並包含一個回饋迴圈,能在策略優勢衰退時重新訓練、暫停或淘汰策略。
主要功能
- 更廣泛的模型工具組:梯度提升(XGBoost、LightGBM、CatBoost)、深度時間序列架構(PatchTST、iTransformer、TSMixer、TCN、Mamba),以及較新的表格與潛在因子模型(TabPFN、TabM、條件式與監督式自編碼器)。
- 專屬的策略設計章節:交易成本與風險管理現在是完整章節,與投資組合建構和策略合成並列。
- 完整的生產線:即時交易系統(Interactive Brokers、Alpaca、QuantConnect)、MLOps 與治理(漂移偵測、安全上線、斷路器、特徵儲存、實驗追蹤)。
- 生成式 AI:基於 SEC 申報文件的檢索增強生成、知識圖譜與 Graph RAG,以及自主多代理研究系統。
- 因果機器學習:雙重機器學習、貝氏結構時間序列與因果發現。
- 強化學習:最佳執行、庫存造市與深度避險。
- 合成金融資料:TimeGAN、Tail-GAN、Sig-CWGAN 與擴散式生成器。
使用情境
建構、測試與部署 ML 驅動的交易策略,涵蓋多種資產類別與頻率。九個案例研究涵蓋 ETF、加密貨幣永續合約、日內股票、選擇權、外匯、期貨與股票因子面板,每個案例都從原始資料到部署評估走過相同的流程。
快速開始
請參閱儲存庫的 README 以取得安裝、下載資料與執行第一個筆記本的快速入門說明。
授權與價格
MIT 授權。開放原始碼。
內容整理自該專案公開的 README 與儲存庫資訊。