本书分为三个部分，每部分都涵盖理论和应用。第一部分从贝叶斯和频数论的角度提出了横截面数据的监督学习。该部分强调神经网络，包括深度学习以及高斯过程，并提供投资管理和衍生模型的示例。第二部分介绍了时间序列数据的监督学习，时间序列数据可以说是金融中最常用的数据类型，并举例说明了交易、随机波动性和固定收益建模。第三部分介绍了强化学习及其在交易、投资和财富管理中的应用。本文提供了Python代码示例，以帮助读者理解方法和应用程序。
马修·狄克逊（Matthew Dixon）博士，金融风险管理师（FRM），是伊利诺伊理工学院应用数学助理教授。他已经发表了20多篇关于机器学习和定量金融方面的文章，并被《彭博市场》和英国《金融时报》援引为金融科技领域的人工智能专家。 伊戈尔·哈珀林（Igor Halperin）博士是纽约大学金融工程教授，也是美国富达投资集团(富达基金)（Fidelity Investments）的人工智能研究员。伊戈尔在机器学习、定量金融和理论物理方面发表了50多篇文章。 保罗·比洛克（Paul Bilokon）博士是Thalesian有限公司的首席执行官和创始人。保罗在数理逻辑、随机过滤理论方面贡献突出，他是英国计算机学会、工程学会和欧洲复杂系统学会的成员。
书单推荐
