量化投资与机器学习微信公众号，是业内垂直于量化投资、对冲基金、Fintech、人工智能、大数据等领域的主流自媒体。公众号拥有来自公募、私募、券商、期货、银行、保险、高校等行业30W+关注者，荣获2021年度AMMA优秀品牌力、优秀洞察力大奖，连续2年被腾讯云+社区评选为“年度最佳作者”。

这是一本关于如何结合量价指标及机器学习构建基于时间序列量化交易策略的书，全书都是干货。
作者David Aronson是一位很严谨的学者。他的另外一本书《Evidence-Based Technical Analysis》也得到很高的评价。今天介绍的这本书早在2013年就已经出版，但是满书的干货放到现在依然非常适用。作为最早系统化讲解机器学习应用在量化策略研究中的书籍，公众号编辑部在2014年初购买了原版书，如获至宝。反反复复，前前后后看了很多遍，并在实践中使用了很多书中的理论方法。至此，对于本书的使用，给出以下建议：
1、本书从量价指标的定义和测试、预测模型的搭建、交易信号的生成、不同模型的组合及策略更有效的回测给出了系统性框架。并在每个步骤中，都给出了多种可用的方案。
2、书中的所有方法都可以基于作者的开源工具TSSB（http://tssbsoftware.com/）实现，一定程度上可以把本书看成是软件TSSB的增强版说明书，但比说明书更体系化。说明书可以在上述网站地址免费下载。
3、由于书中很多代码都是TSSB的代码，所以可以安装TSSB，实际操作一下。但如果要用到实战中，还是推荐使用Python对书中的逻辑进行实现。
4、站在现在这个时间点，书中的很多机器学习模型已经过时，但书中关于策略搭建从0到1的框架，及其中的理念是最值得我们学习吸收的。
5、即使到现在，公众号的编辑部还记得当年如追剧般啃这本书的感觉，希望能够给大家带来启发。另外本书关于单标的交易策略，可以和Robert Carver在Systematic Trading中提到的策略组合理念进行结合。
---
第二本书的作者也是上一本书的第二作者Timothy Masters，他是David Aroson的学生。他的个人网站上还有他很多其他领域的研究：http://www.timothymasters.info/home.html
本书是一本系统化讲解如何进行策略优化、参数选择及更有效的评价策略的表现。看似良好的回测表现并不足以证明真的能获得收益。
1、需要对系统的有效性执行严格的统计测试。
2、然后，如果基本测试证实了你的想法，你就需要对系统进行优化，不仅是为了获得最佳性能，也是为了在面对不可避免的市场变化时获得强健的行为。
3、接下来，你需要更合理的对策略未来预期进行量化，评估它在实盘中的表现可能有多糟糕，以及你是否能够接受这一点。
4、最后，您需要找到它的理上的限制，以便您知道它的实际交易是否符合这个理论期望，从而使您能够在系统没有达到预期时关闭系统。
以上两本书，是公众号在这几年关于 CTA策略类型，读过的，而且是 反反复复读过的 最值得 的两本书！
希望大家有所收获！周末愉快
继续阅读
阅读原文