Maskinlæring (ML) er i stadig utvikling og omformer landskapet innen kvantitativ finans og algoritmisk handel. ML-verktøy blir i økende grad tatt i bruk av hedgefond og kapitalforvaltere, særlig for å generere alpha-signaler og velge aksjer. Den tekniske kompleksiteten i emnet kan gjøre det vanskelig for ikke-spesialister å bli med på denne utviklingen, ettersom terminologien og kravene til koding kan virke uoverkommelige. Boken 'Machine Learning for Factor Investing: Python Version' bidrar til å overvinne dette hinderet ved å gi leserne en omfattende innføring i moderne investeringsstrategier basert på maskinlæring, som bygger på selskapskarakteristikker. Den dekker et bredt spekter av temaer, fra økonomiske begrunnelser til grundig porteføljebaktesting, og inkluderer både databehandling og modellfortolkning. Boken forklarer vanlige algoritmer for overvåket læring, som tremodeller og nevrale nettverk, i konteksten av stilinvestering. Leserne får også muligheten til å utforske mer komplekse teknikker som autoencoder for avkastning på eiendeler, Bayesianske additive trær og kausalitet.
