معامله‌گری الگوریتمی و استراتژی‌های کمی ۲۰۲۰
Algorithmic Trading and Quantitative Strategies 2020

معاملات الگوریتمی و استراتژی‌های کمی، با ترکیبی منحصربه‌فرد از دقت و ظرافت کمی و تجربه عملی، مروری جامع بر این حوزه رو به رشد ارائه می‌دهد. تمرکز بر مدل‌سازی تجربی و دانش عملی، این کتاب را به منبعی ارزشمند برای دانشجویان و متخصصان تبدیل کرده است.

کتاب با زمینه‌ای که اغلب نادیده گرفته می‌شود، یعنی چرایی و چگونگی معامله‌گری، از طریق مقدمه‌ای مفصل بر ساختار بازار و مدل‌های کمی ریزساختار بازار آغاز می‌شود. سپس نویسندگان جعبه ابزار کمی لازم، از جمله مدل‌های پیشرفته‌تر یادگیری ماشین مورد نیاز برای فعالیت موفقیت‌آمیز در این حوزه را ارائه می‌کنند. در ادامه، به موضوع معامله‌گری کمی، تولید آلفا، مدیریت فعال پورتفوی و موضوعات جدیدتری مانند تحلیل اخبار و احساسات می‌پردازند. آخرین موضوع اصلی، یعنی الگوریتم‌های اجرا، با تأکید بر وضعیت فعلی این حوزه و موضوعات حیاتی از جمله مفهوم گریزپای اثر بازار، به تفصیل مورد بحث قرار می‌گیرد. کتاب با بحث در مورد زیرساخت‌های فناوری مورد نیاز برای پیاده‌سازی استراتژی‌های الگوریتمی در محیط‌های تولید در مقیاس بزرگ به پایان می‌رسد.

یک مخزن گیت‌هاب شامل مجموعه‌داده‌ها و نوت‌بوک‌های Jupyter توضیحی/تمرینی است. تمرین‌ها شامل افزودن کد صحیح برای حل تحلیل/مسئله خاص است.

Algorithmic Trading and Quantitative Strategies provides an in-depth overview of this growing field with a unique mix of quantitative rigor and practitioner’s hands-on experience. The focus on empirical modeling and practical know-how makes this book a valuable resource for students and professionals.

The book starts with the often overlooked context of why and how we trade via a detailed introduction to market structure and quantitative microstructure models. The authors then present the necessary quantitative toolbox including more advanced machine learning models needed to successfully operate in the field. They next discuss the subject of quantitative trading, alpha generation, active portfolio management and more recent topics like news and sentiment analytics. The last main topic of execution algorithms is covered in detail with emphasis on the state of the field and critical topics including the elusive concept of market impact. The book concludes with a discussion on the technology infrastructure necessary to implement algorithmic strategies in large-scale production settings.

A git-hub repository includes data-sets and explanatory/exercise Jupyter notebooks. The exercises involve adding the correct code to solve the particular analysis/problem.