หนังสือแนะนำ

การอ่านที่เข้ากันได้ดีกับการสร้างกลยุทธ์ที่ขับเคลื่อนด้วย AI—ครอบคลุมพื้นฐาน ประวัติศาสตร์เชิงปริมาณ และ ML สมัยใหม่ (เอกสารอ้างอิงเพื่อการศึกษา ไม่ใช่คำแนะนำทางการเงิน)

• Dark Pools

  Scott Patterson

  ภาคต่อของ The Quants เกี่ยวกับโครงสร้างตลาด สภาพคล่องแบบมืด และวิวัฒนาการของสถานที่ดำเนินคำสั่ง—บริบทที่มีประโยชน์ควบคู่ไปกับหัวข้อบล็อกที่เน้นโครงสร้างจุลภาค

• Machine Learning for Algorithmic Trading

  Stefan Jansen

  เวิร์กโฟลว์ Python เชิงปฏิบัติตั้งแต่การนำเข้าข้อมูลไปจนถึงการประเมินกลยุทธ์—สอดคล้องกับสแตก ML + แบ็คเทสต์ที่กล่าวถึงในบทความของเรา

• The Quants

  Scott Patterson

  ประวัติศาสตร์เชิงเล่าเรื่องของวิธีที่โมเดลทางคณิตศาสตร์เปลี่ยนโฉม Wall Street—ตั้งแต่ stat arb ยุคแรกจนถึงการเติบโตของกองทุนเฮดจ์ฟันด์เชิงระบบ

• Advances in Financial Machine Learning

  Marcos López de Prado

  วิธีการเชิงปฏิบัติสำหรับการติดฉลาก การตรวจสอบไขว้ และความสำคัญของฟีเจอร์ที่ปรับให้เหมาะกับอนุกรมเวลาทางการเงิน

• Algorithmic Trading

  Ernest Chan

  เวิร์กโฟลว์กลยุทธ์เชิงปริมาณเชิงปฏิบัติ: การแบ็คเทสต์ การดำเนินคำสั่ง และความเสี่ยง—มีประโยชน์สำหรับผู้ปฏิบัติงานที่ก้าวจากการวิจัยสู่การผลิต

• Trading and Exchanges

  Larry Harris

  โครงสร้างจุลภาคของตลาดและวิธีที่คำสั่งโต้ตอบกัน—พื้นฐานที่เป็นประโยชน์สำหรับการดำเนินคำสั่งและการทำมาร์เก็ตเมกกิ้ง

• Options, Futures, and Other Derivatives

  John Hull

  เอกสารอ้างอิงคลาสสิกสำหรับโมเดลการกำหนดราคาตราสารอนุพันธ์ที่เป็นพื้นฐานของแนวทางเชิงระบบจำนวนมาก

เอกสารอ้างอิงเพื่อการศึกษาเท่านั้น MarketMaker.cc ไม่ได้รับรองสำนักพิมพ์ใด ๆ โปรดตรวจสอบฉบับพิมพ์และความเหมาะสมกับเขตอำนาจศาลของคุณ