Machine Learning For Algorithmic Trading 解説リンクまとめ

準備編

machine learning for tradingの始め方
本Githubレポジトリを快適に学習するための環境設定

第4章

4章アルファ-ファクター研究: 第一節: 特徴量エンジニアリング
第4章：アルファーファクター研究、Kalman FilterとWavelet変換

第5章

第5章 戦略評価編 第4節 平均分散ポートフォリオ
第5章 戦略評価編 第5節ケリー基準(ベッティング法)

第6章

第6章　第一節　機械学習ワークフロー
第6章 機械学習プロセス編: 第二節 情報理論と利用して特徴量を分析する
第6章　第3節　バイアスーバリアンス

第7章

第7章 線形モデル編: 第一節 線形回帰モデル
第7章　線形モデル編　第2節　ファーマーマクベス回帰
第7章 線形モデル編: 第3節 モデルデータの準備
第7章 線形モデル編: 第4節 株価を線形回帰で統計的推論する
第7章 線形モデル編: 第5節 線形回帰で株価予測をする
第7章 線形モデル編: 第6節 Alphalensを用いて分析する
第7章 線形モデル編: 第7節 ロジスティック回帰入門
第7章 線形モデル編: 第8節(7章最後) ロジスティック回帰入門

第8章

第8章 ml4tワークフロー 第2節: ベクトル化バックテスト
第8章 ml4tワークフロー 第3節: backtraderでバックテスト

第9章

第9章 ボラティリティ予測と統計的裁定取引 第1節: 時系列データ分析と季節性
第9章 ボラティリティ予測と統計的裁定取引 第2節: ARIMAモデル
第9章 ボラティリティ予測と統計的裁定取引 第3節: ARCH/GARCH ボラティリティ予測
第9章 ボラティリティ予測と統計的裁定取引 第4節: ベクトル自己回帰モデル
第9章 ボラティリティ予測と統計的裁定取引 第5節: 統計的裁定取引（共和分検定）
第9章 ボラティリティ予測と統計的裁定取引 第6節: 共和分検定とカルマンフィルターを利用したペアトレーディング
第9章 ボラティリティ予測と統計的裁定取引 第7節: ペアトレーディングのバックテスト

第10章

第10章:ベイジアンML-ダイナミックSR 第1節: 共役事前分布の更新
第10章:ベイジアンML-ダイナミックSR 第2節: PyMC3ワークフロー
第10章:ベイジアンML-ダイナミックSR 第3節: ベイジアンシャープレシオ
第10章:ベイジアンML-ダイナミックSR 第4節: ローリング回帰
第10章:ベイジアンML-ダイナミックSR 第5節: 確率的ボラティリティモデル

第11章

第11章:ランダムフォレスト - ロングショート戦略 第0節: 本章の方針とデータの準備
第11章:ランダムフォレスト - ロングショート戦略 第1節: 決定木と株価予想
第11章:ランダムフォレスト - ロングショート戦略 第2節: バギング決定木(バギングが予測バリアンスをどう削減するのか)
第11章:ランダムフォレスト - ロングショート戦略 第3節: ランダム木をチューニング
第11章:ランダムフォレスト - ロングショート戦略 第4節: 日本株特徴量
第11章:ランダムフォレスト - ロングショート戦略 第5節: ランダムフォレストで売りと買いシグナルを生成する

第12章

第12章:戦略をブースティングする 第1節: ブースティング・ベースライン
第12章:戦略をブースティングする 第2節: sklearn gbm チューニング
第12章:戦略をブースティングする 第3節: sklearn gbm チューニング結果
第12章:戦略をブースティングする 第4節: モデルデータの準備

第13章 (2021年1月12日更新)

第13章: 教師なし学習編 ~線形次元削減~ 第0節 次元の呪い