UC Berkeley顶级量化俱乐部发布年度书单，这12本太猛了！

👨🏼‍🎓作者：Marcos Lopez de Prado

康奈尔大学工程学院教授  

💡关键词：金融机器学习

📚UC Berkeley Quantitative Finance Club推荐理由：

《The Elements of Statistical Learning》

👨🏼‍🎓作者：Trevor Hastie / Robert Tibshirani / Jerome Friedman

《Algorithmic Trading》

《An Introduction To Statistical Learning 》

本书提供了统计学习领域的简单概述，是理解过去二十年在生物学、金融、营销和天体物理学等领域出现的庞大而复杂的数据集的重要工具。本书介绍了一些最重要的建模和预测技术以及相关应用。

主题包括线性回归、分类、重采样方法、收缩方法、基于树的方法、支持向量机、聚类等，非常适合对统计学习感兴趣的学生、研究人员和从业者阅读。

👨🏼‍🎓作者： Paul Wilmott

💡关键词：量化金融

📚UC Berkeley Quantitative Finance Club推荐理由：

这是一本优秀量化分析师必备的书籍，书中介绍了金融市场、金融工具、金融模型、风险管理和衍生品定价等重要概念和技术，并提供了简明扼要的解释和示例，帮助读者理解和应用量化金融中的关键概念和方法。

《Essentials of Stochastic Processes》

👨🏼‍🎓作者：Richard Durrett

UCLA、康奈尔、杜克大学教授

💡关键词：随机过程

📚UC Berkeley Quantitative Finance Club推荐理由：

👨🏼‍🎓作者：Marcos López de Prado

💡关键词：资产管理、机器学习

📚UC Berkeley Quantitative Finance Club推荐理由：

该书介绍了金融数据市场的特点和处理方法，以及如何构建和评估机器学习模型，并以实用的案例研究和示例，展示了机器学习在资产管理中的应用。

《The ETF Handbook》

👨🏼‍🎓作者：Marcos López de Prado

BlackRock iShares部门ETF资深专家

💡关键词：交易所交易基金

📚UC Berkeley Quantitative Finance Club推荐理由：

👨🏼‍🎓作者： Lasse Heje Pedersen

纽约大学商学院金融学教授

💡关键词：投资、市场定价

📚UC Berkeley Quantitative Finance Club推荐理由：

本书描述了对冲基金使用的关键交易策略，揭开了主动投资的秘密世界。

金融经济学家Lasse Heje Pedersen将其最新研究与现实案例相结合，分析了某些交易策略为何能赚钱，以及策略出现失误的原因。

《A Machine Learning Based Pairs Trading Investment Strategy》

👨🏼‍🎓作者： Simão Sarmento

💡关键词：机器学习、配对交易投资策略

📚UC Berkeley Quantitative Finance Club推荐理由：

该书探讨了如何利用机器学习技术来开发和实施布局交易策略，以及数据布局、特征选择和模型等关键步骤，并提供了一种基于机器学习的布局交易策略的具体实施方法。

👨🏼‍🎓作者： Simão Sarmento

巴克莱全球投资公司高级策略与研究部董事总经理

💡关键词：投资组合管理

📚UC Berkeley Quantitative Finance Club推荐理由：

本书介绍了投资组合构建的关键原则和方法，探讨了如何选择适当的资产类别、确定适当的权重分配，并提供了一些交易执行的最佳实践和策略。

《High Frequency Trading》

👨🏼‍🎓作者： Irene Aldridge

康奈尔大学客座教授

💡关键词：高频交易

📚UC Berkeley Quantitative Finance Club推荐理由：