免费学习机器学习交易的资源
机器学习是当今几乎每个行业的需求。医药、交通、医疗保健、广告和金融技术等行业非常依赖机器学习。谈到金融技术领域，算法交易实践对于机器学习算法非常有效。有各种资源可用于学习机器学习交易，但本文旨在让您可以访问学习机器学习交易的免费资源。
电子书
如何使用机器学习进行交易？, 由量子
这本电子书包含所有信息，从解释人工神经网络的基础知识和工作原理，到演示用 Python 实现股票价格预测的代码。
可解释的机器学习，Christoph Molnar
本书的重点是帮助读者学习表格数据的机器学习模型。为了学习机器学习进行交易，本书将帮助获得关系或结构化数据的知识，这是使用机器学习进行交易时的重要概念之一。
用数据对抗客户流失，Zuora 创始人兼 CEO Tien Tzuo
这本机器学习书适用于作为算法交易不可或缺的一部分的数据分析师和数据科学家。本书第 9 章介绍了在算法交易中有用的回测概念。此外，它还涵盖了 XGBoost 机器学习模型和交叉验证技术。
从数据中学习，作者：Yaser S. Abu-Mostafa、Malik Magdon-Ismail、Hsuan-Tien Lin
本书为读者提供了机器学习的完整介绍，该技术使计算系统能够利用从观察数据中积累的经验自适应地提高其性能。这些技术广泛应用于工程、科学、金融和商业领域。本书第 5 章涉及机器学习在交易中的应用。
此外，还有不断更新的ipython 笔记本，以包含有关热门机器学习主题的最新资源，这些资源对初学者和有经验的数据科学家都非常有帮助。
博客
在这里，您可以更好地利用机器学习、深度学习、遗传算法、强化学习等开发量化策略，并且可以跟国内优秀的量化开发者们交流。
Quantinsti 为您提供一系列用于交易博客的机器学习，例如使用 Python 中的机器学习进行交易、交易中的人工智能和机器学习以及人工智能和股票市场。您可以根据自己在机器学习方面的专业水平找出适合您的博客。
在这里，您会找到博客，例如使用 PyTorch 构建 RNN、LSTM 和 GRU 的时间序列、自动股票交易的深度强化学习以及机器学习交易算法在 10 年内优于 SP500 的作者的提示**。**
Quantocracy 是一个你可以找到许多来自不同来源的机器学习博客的地方。他们为用户提供了他们网站上信息量最大的博客的混搭，例如 Metallabeling 以及横截面和时间序列因素之间的对偶性 EP Chan以及缓解神经网络过度拟合的不同方法。
Quantstart 拥有诸如统计机器学习初学者指南和每日 OHLC 柱数据的 K-Means 聚类等文章，这些文章将帮助您在交易中应用机器学习。
诸如算法交易中的大数据之类的博客文章和有关回归分析的各种博客为您提供有关交易中使用的数据、回归等概念的信息。在网站上查找更多此类博客。
毕马威（一家跨国组织）通过其博客文章满足了了解和接受教育的需求。网站上的博客页面包含大量关于使用机器学习进行算法交易的信息。
调查报告
本研究论文的目的是创建和分析用于交易的机器学习方法。这里的方法有助于解决最重要的问题，例如策略性能对小参数变化的敏感性。例如，市场趋势的突然变化是变化，策略表现会对其敏感。但是，使用这里的机器学习方法，对策略质量的影响应该不会很大。因此，您可以缩短计算时间，而不会大幅降低策略质量。
ResearchGate 的这篇论文探讨了在交易中实施神经网络（机器学习的一部分）的理论和实践方面。该研究表明，高精度预测和正确选择参数有助于建立有利的量化交易策略
在这篇研究论文中，提出了一些先进的算法。这里的分布式最近邻框架意味着对大型数据集的重大帮助，否则这些数据集将不适合机器的内存。这对于使用机器学习进行算法交易的回测非常有用。
最近，研究人员专注于采用机器学习 (ML) 算法来预测股价趋势。在本文中，对各种 ML 算法进行了评估，并在交易成本和没有交易成本的情况下观察了股票的日常交易表现。此外，本研究论文还考虑了大型数据集，以帮助分析更长的回测时间段（历史）。
本文研究了如何在使用机器学习设计交易算法的过程中管理模型复杂性。该研究有助于金融研究的社会研究，研究人与模型的相互作用，并将其用于创建机器学习模型。
这篇科研论文提出了一种基于深度强化学习(DRL) 的创新方法，用于解决在股票市场交易活动中的任何时间点确定最佳交易头寸的算法交易问题。它提出了一种新颖的 DRL 交易策略，以便在广泛的股票市场上最大化夏普比率表现（指标） 。
该研究论文建议在训练期间从神经网络中随机删除单元（连同它们的连接）。这种丢弃单元的过程显着减少了过度拟合。这可以帮助您防止交易数据过度拟合，从而导致构建不太有效的策略。此外，在使用数据进行交易历史分析时，其他正则化方法也发生了重大改进。
视频
该视频主要介绍了交易者机器学习的介绍。它解释了从机器学习基础到在交易中实施机器学习的所有内容。观看此视频，深入了解用于交易的机器学习：
该视频为您带来了一个一小时的网络研讨会，Inovance 的首席执行官 Tad Slaff 先生介绍了策略开发应用程序以及构建实时交易策略。看看这里的视频：
- 用于算法交易的机器学习
这里的视频有 2 个部分。Quant News 的视频在机器学习的帮助下为算法交易提供了丰富的信息。在这些视频中，您将看到实施机器学习的分步介绍过程，以及如何使用机器学习算法使用 Python 进行交易。
此外，在这些视频中，您将了解调整参数以提高交易系统性能的过程。在第 2 部分中，您将学习如何选择最重要的特征来提取和清理数据。
除了应用机器学习进行交易的注意事项外，该视频还描述了应用机器学习技术解决交易问题的系统方法。这不是关于机器学习的教程，而是关于如何采用常见的 ML 技术来制定有利可图的策略的教程。
在这段视频中，Jenia（一位算法交易员）使用机器学习工具编写了他的交易算法，该算法现在可以进行 100 万美元的初始投资。他正在谈论他的方法和他的主要学习。Jenia 的算法目前的实时夏普比率为 2.66
该播客为您提供有关使用机器学习预测交易盈利能力的全面知识。该播客视频涵盖了在交易过程中使用机器学习的许多方面。
结论
有很多关于在线交易机器学习的信息来源。最好的在此博客中进行了研究和访问。此外，很有可能免费找到信息来源！
AI量化
