Machine Learning for Factor Investing: Python Version

Machine learning (ML) is progressively reshaping the fields of quantitative finance and algorithmic trading. ML tools are increasingly adopted by hedge funds and asset managers, notably for alpha signal generation and stocks selection. The technicality of the subject can make it hard for non-specialists to join the bandwagon, as the jargon and coding requirements may seem out-of-reach. Machine learning for factor investing: Python version bridges this gap. It provides a comprehensive tour of modern ML-based investment strategies that rely on firm characteristics.

The book covers a wide array of subjects which range from economic rationales to rigorous portfolio back-testing and encompass both data processing and model interpretability. Common supervised learning algorithms such as tree models and neural networks are explained in the context of style investing and the reader can also dig into more complex techniques like autoencoder asset returns, Bayesian additive trees and causal models.

All topics are illustrated with self-contained Python code samples and snippets that are applied to a large public dataset that contains over 90 predictors. The material, along with the content of the book, is available online so that readers can reproduce and enhance the examples at their convenience. If you have even a basic knowledge of quantitative finance, this combination of theoretical concepts and practical illustrations will help you learn quickly and deepen your financial and technical expertise.

機器學習（Machine learning，ML）正逐漸改變量化金融和算法交易領域。對於對於產生Alpha信號和股票選擇等方面，對於對於對於對於對於對於對於對於對於對於對於對於對於對於對於對於對於對於對於對於對於對於對於對於對於對於對於對於對於對於對於對於對於對於對於對於對於對於對於對於對於對於對於對於對於對於對於對於對於對於對於對於對於對於對於對於對於對於對於對於對於對於對於對於對於對於對於對於對於對於對於對於對於對於對於對於對於對於對於對於對於對於對於對於對於對於對於對於對於對於對於對於對於對於對於對於對於對於對於對於對於對於對於對於對於對於對於對於對於對於對於對於對於對於對於對於對於對於對於對於對於對於對於對於對於對於對於對於對於對於對於對於對於對於對於對於對於對於對於對於對於對於對於對於對於對於對於對於對於對於對於對於對於對於對於對於對於對於對於對於對於對於對於對於對於對於對於對於對於對於對於對於對於對於對於對於對於對於對於對於對於對於對於對於對於對於對於對於對於對於對於對於對於對於對於對於對於對於對於對於對於對於對於對於對於對於對於對於對於對於對於對於對於對於對於對於對於對於對於對於對於對於對於對於對於對於對於對於對於對於對於對於對於對於對於對於對於對於對於對於對於對於對於對於對於對於對於對於對於對於對於對於對於對於對於對於對於對於對於對於對於對於對於對於對於對於對於對於對於對於對於對於對於對於對於對於對於對於對於對於對於對於對於對於對於對於對於對於對於對於對於對於對於對於對於對於對於對於對於對於對於對於對於對於對於對於對於對於對於對於對於對於對於對於對於對於對於對於對於對於對於對於對於對於對於對於對於對於對於對於對於對於對於對於對於對於對於對於對於對於對於對於對於對於對於對於對於對於對於對於對於對於對於對於對於對於對於對於對於對於對於對於對於對於對於對於對於對於對於對於對於對於對於對於對於對於對於對於對於對於對於對於對於對於對於對於對於對於對於對於對於對於對於對於對於對於對於對於對於對於對於對於對於對於對於對於對於對於對於對於對於對於對於對於對於對於對於對於對於對於對於對於對於對於對於對於對於對於對於對於對於對於對於對於對於對於對於對於對於對於對於對於對於對於對於對於對於對於對於對於對於對於對於對於對於對於對於對於對於對於對於對於對於對於對於對於對於對於對於對於對於對於對於對於對於對於對於對於對於對於對於對於對於對於對於對於對於對於對於對於對於對於對於對於對於對於對於對於對於對於對於對於對於對於對於對於對於對於對於對於對於對於對於對於對於對於對於對於對於對於對於對於對於對於對於對於對於對於對於對於對於對於對於對於對於對於對於對於對於對於對於對於對於對於對於對於對於對於對於對於對於對於對於對於對於對於對於對於對於對於對於對於對於對於對於對於對於對於對於對於對於對於對於對於對於對於對於對於對於對於對於對於對於對於對於對於對於對於對於對於對於對於對於對於對於對於對於對於對於對於對於對於對於對於對於對於對於對於對於對於對於對於對於對於對於對於對於對於對於對於對於對於對於對於對於對於對於對於對於對於對於對於對於對於對於對於對於對於對於對於對於對於對於對於對於對於對於對於對於對於對於對於對於對於對於對於對於對於對於對於對於對於對於對於對於對於對於對於對於對於對於對於對於對於對於對於對於對於對於對於對於對於對於對於對於對於對於對於對於對於對於對於對於對於對於對於對於對於對於對於對於對於對於對於對於對於對於對於對於對於對於對於對於對於對於對於對於對於對於對於對於對於對於對於對於對於對於對於對於對於對於對於對於對於對於對於對於對於對於對於對於對於對於對於對於對於對於對於對於對於對於對於對於對於對於對於對於對於對於對於對於對於對於對於對於對於對於對於對於對於對於對於對於對於對於對於對於對於對於對於對於對於對於對於對於對於對於對於對於對於對於對於對於對於對於對於對於對於對於對於對於對於對於對於對於對於對於對於對於對於對於對於對於對於對於對於對於對於對於對於對於對於對於對於對於對於對於對於對於對於對於對於對於對於對於對於對於對於對於對於對於對於對於對於對於對於對於對於對於對於對於對於對於對於對於對於對於對於對於對於對於對於對於對於對於對於對於對於對於對於對於對於對於對於對於

Guillaume Coqueret is associate professor of finance and data science at EMLYON Business School. His recent research revolves around applications of machine learning tools in financial economics.

Tony Guida is co-head of Systematic Macro at RAM Active Investments. He is the editor and co-author of Big Data and Machine Learning in Quantitative Investment.

Guillaume Coqueret 是 EMLYON 商學院的金融和數據科學副教授。他最近的研究圍繞著將機器學習工具應用於金融經濟學。

Tony Guida 是 RAM Active Investments 的系統性宏觀共同負責人。他是《Big Data and Machine Learning in Quantitative Investment》的編輯和合著者。