machine-learning-for-trading

本仓库收录了 Stefan Jansen 所著《Machine Learning for Trading》第三版的配套代码。全书围绕一条端到端工作流组织：提出研究想法，并迭代将其发展为可在真实市场中运行和维护的策略。内容涵盖 27 章和九个案例研究，从原始数据出发，经过特征、模型、回测、交易成本与风险，直至部署和监控。 第三版新增内容（如 README 所述）： - 更广泛的模型工具箱，包括梯度提升（XGBoost、LightGBM、CatBoost）、深度时间序列架构（PatchTST、iTransformer、TSMixer、TCN、Mamba），以及表格或潜在因子模型，如 TabPFN、TabM 和条件/监督自编码器。 - 专门讨论交易成本和风险管理的章节，同时涵盖组合构建和策略合成。 - 生产实践部分，覆盖实盘交易系统（Interactive Brokers、Alpaca、QuantConnect），以及 MLOps 与治理主题，如漂移检测、安全上线、熔断机制、特征存储和实验跟踪。 - 生成式 AI 内容：基于 SEC 文件的检索增强生成、知识图谱与 Graph RAG，以及多智能体研究系统。 - 因果机器学习（Double ML、贝叶斯结构时间序列、因果发现）、用于执行、做市和对冲的强化学习，以及合成金融数据生成器（TimeGAN、Tail-GAN、Sig-CWGAN、基于扩散的方法）。 README 强调方法论的严谨性：在探索与确认之间划定明确的证据边界，采用前向滚动交叉验证，并提供多重检验和过拟合控制工具，如 Deflated Sharpe Ratio、Rademacher Anti-Serum、White's Reality Check 和保形预测。数据层使用 Polars，各章据称以可复现的 Docker 环境交付，建模和可视化技术栈包括 PyTorch、LightGBM、Optuna 和 Plotly。 全书贯穿九个案例研究，每个都经过同一套流程：ETF（日频、跨资产动量与均值回归）、加密永续合约（8 小时频、资金费率套利）、NASDAQ-100（15 分钟日内微观结构）、标普 500 股票加期权（日频）、美国公司特征（月频）、外汇货币对（日频 carry 与动量）、CME 期货（日频期限结构与展期收益）、标普 500 期权（日频），以及一个广泛的美国股票面板（日频因子暴露）。 这些 notebook 建立在六个配套 Python 库之上，每个对应工作流的一个阶段：ml4t-data 用于从多个数据提供商获取市场数据，ml4t-engineer 用于特征、标签、另类 bar 和防泄漏的数据集准备，ml4t-models 用于金融原生潜在因子和组合学习，ml4t-diagnostic 用于特征验证、策略诊断和 Deflated Sharpe Ratio，ml4t-backtest 用于事件驱动回测，ml4t-live 用于与券商集成的生产交易。README 指出每个库都有文档，且可独立使用。 README 还提到一个配套网站，提供 112 份免费入门读物、61 个面向编码智能体的 agent skills，以及这六个库。README 还列出了付费课程、工作坊和免费直播课程，以及涵盖 Linux、Windows WSL2、macOS、Docker 和 GPU 设置的安装指南。快速开始说明提供 Docker Compose 环境或本地 uv 环境两种选择；本地路径需要编译若干依赖，并注明需要 C/C++ 编译器和约 16 GB 磁盘空间。平台建议为：Intel macOS 上推荐 Docker，Apple Silicon 上推荐本地环境，并分别给出了理由。 这是面向量化金融和机器学习的教育与研究型代码，而非打包好的交易产品；README 明确引导读者阅读一份文档，其中说明本仓库是什么、不是什么，包括哪些内容需要真实算力或授权数据。