【book】AMLF-ch1

去年阅读了2018年出版的《Advances in Financial Machine Learning》，推荐给大家，是一本很不错的Fintech实用指导书。
读完很有收获，每章提到的问题都是真实场景中面临的，为我当时做的项目提供了一些思路和指导。这个月准备读完之前没看的章节，更新一下笔记。

推荐语：本书被认为是有史以来有关金融和机器学习的最佳书籍，由马克斯·洛佩兹教授撰写，他在机器学习算法和超级计算机的帮助下开发投资策略已有20多年的经验。这本书揭开了整个领域的神秘面纱，并揭示了投资领域的前沿机器学习技术。本书循序渐进地明确了目标，使读者迅速掌握了经过充分验证的数据分析，模型研究和发现评估方法。
（引用自深度学习于NLP：机器学习从业者人手必备的8本书）

今天的笔记介绍这本书的第一章，第一章主要介绍了书本组织结构，系统地说明了用机器学习做金融问题需要考虑的方方面面，尤其是对于不太了解量化的人来说，是很有必要看一下的。

1. 本书目录和大致结构

首先看一下这本书的目录：
Part 1: Data Analysis

Part 2: Modelling

Part 3: Backtesting

Part 4: Useful Financial Features

Part 5: High-Performance Computing Recipes

​

• 第1部分-金融数据：以适合机器学习的方式构造金融数据。
• 第2部分-ML算法：讨论如何使用ML算法进行研究。
• 第3部分-策略回测：如何回测结果并评估它是错误的概率。

这三个部分介绍了数据→模型→评价的整个过程。

• 第4部分-特征提取：介绍提取有用特性的新方法。
• 第5部分-算力问题：用一些有用的HPC方法解决需要大量算力的问题。

---

2. 从原始数据到策略上线需要哪些步骤？

一个投资公司通常包括以下6个部门，也是我们拿到一组原始金融数据到策略实盘上线所需要的大致流程。

数据准备

这是一个负责收集、清理、索引、存储、调整和传送数据的工作站。数据可以是表格式的或分层的、对齐的或不对齐的、历史的或实时的等等。团队成员是市场微观结构和数据协议(如FIX)方面的专家。他们必须开发数据处理程序来理解数据。

例如，一个报价是在不同的级别被取消和替换，还是被取消而没有替换?每种资产类别都有自己的细微差别。
例如，债券定期交换或回收；股票受分拆、逆分拆、表决权等；期货和期权必须滚动；货币不是在一个集中的订单簿中交易的。

这部分涉及的专业化程度超出了这本书的范围，第1章将只讨论数据管理的几个方面。

特征因子

负责把原始数据处理成信号（俗称挖因子、找alpha），这些信息信号对金融变量有一定的预测能力。团队成员是信息理论、信号提取和处理、可视化、标记、加权、分类器和特征重要性技术方面的专家。

例如，特征分析师可能会发现，当下列情况发生时，抛售的可能性特别高:
(1)报价被取消，并新来了市场卖单;
(2)未报价的订单被取消，取而代之的是帐面更深的限价买单。

这种投资策略本身并不是一种投资策略，它可以有其他的应用方式࿱