Maskinlæring (ML) etter hvert som det forvandler landskapet innen kvantitativ finans og algoritmisk trading. Bruken av ML-verktøy har blitt stadig mer populær blant hedgefond og kapitalforvaltere, spesielt for generering av alfa-signaler og utvelgelse av aksjer. Emnet kan virke utfordrende for de som ikke har spesialisert seg, ettersom terminologien og kravene til koding kan virke uoppnåelige. 'Maskinlæring for faktorinvesteringsstrategier: Python-versjonen' bygger en bro over denne kløften. Boken gir en omfattende innsikt i moderne investeringsstrategier basert på maskinlæring, med fokus på firmaspesifikke egenskaper. Den dekker et bredt spekter av emner fra økonomiske rasjonaler til grundig tilbake-testing av porteføljer, og inkluderer både databehandling og modellforklarbarhet. Vanlige algoritmer for overvåket læring, som tre-modeller og nevrale nettverk, blir forklart i konteksten av stilinvestering, og leseren får også muligheten til å utforske mer komplekse teknikker som autoencoder for aktivaavkastning, bayesianske additive trær og årsakssammenhenger.
