はじめに
ファイナンス機械学習 金融市場分析を変える機械学習アルゴリズムの理論と実践
という書籍を読み始めました
せっかくなので内容を忘れないようにメモしていこうと思います
超ざっくり要約と一言感想的な感じで
買うか悩んでる人向けのレビュも全部読んでから書こうかなと思います
1章. ファイナンス機械学習という新分野
1-1. はじめに
研究とか論文とかは理論的に正しくても現実世界で使えるとは言えない
逆に経験だけに基づくものはしっかりした理論がないので微妙
この本はその辺のバランスが取れてるよ
最近詐欺みたいな金融商品が多いから騙されて欲しくないからこの本を書いたよ
金融市場の機械学習は、画像認識とか既存の領域の機械学習とは全然違う分野だよ
（なんか説得力がすごい、絶対クオリティ高いぞこの本、、）
1-2. ファイナンス機械学習プロジェクトが失敗する主な原因
（失敗する前提の見出しでワロタ）
ファイナンス機械学習はやることがめっちゃ多い
インフラ、ソフト作成、特徴量分析、執行シミュレーション、バックテストなどなど
これまでの失敗してきた投資会社たちは例えば50人の人を雇ったらそれぞれに独立してこの全てを担当させていた
これまでならそれでも良かったけど機会学習だったら良くない、だから失敗したのだ
実際には、みんなで協力して担当分けした方が効率的
Aさんはインフラ担当、Bさんはバックテスト担当、みたいに
（ちょっと意外だった、ITって一部の天才がぐいぐい推進するイメージだったから）
（担当分けするやり方なら日本はけっこう得意そう）
1-3. 本書の構成
順序立てて書いてるので最初から読んでね
（はい、分かりました！）
1.3.1 プロダクションチェーン別に見た本書の構成
プロダクションチェーン→実際の業務の流れ的な感じ
データ収集から始まって分析して、バックテストして運用して終了する
それぞれの業務を何章で解説しているかを書いてある
1.3.2 戦略コンポーネント別にみた本書の構成
課題と解決という戦略がありそれぞれを何章で解説しているかを書いてある
例えば機械学習って計算量すごいよねって課題があって、解決策は計算のプロになったりスーパーコンピュータを利用することで、
その解説は20~22章に書いてある
1.3.3 良くある落とし穴別に見た本書の構成
例えばオーバーフィッティングになりがちだよねっていう落とし穴があって、それは10~16章で解説されてる
（本書の構成がこんなに多角的なの初めて見た、、すごいな）
1.4 想定する読者
機械学習を全くやったことがない人は流石に対象外
この本を読む前に入門書を読んでね
機械学習をやったことある金融分野のプロが主な対象
あと機械学習をやったことあるけど金融分野は初心者の人とか
（僕はやったことあると言えるのかな、、ほとんどKaggleのタイタニックのやつくらいしかやったことないけど大丈夫かな、、不安がすごい）
1.5 前提とする知識
隅々まで理解するためには、機械学習、マーケットマイクロストラクチャー、ポートフォリオ管理、数理ファイナンス、統計学、計量経済学、線形代数、最適化、離散数学、信号処理、情報理論、オブジェクト指向プログラミング、並列処理、スーパーコンピューティングの実践的な知識が必要
（あ、オワタ）
（全然わからんぞ）
（まあいいや、読めるところまで読むぞ）
あとPythonとかpandasとかの知識は必須
（うん、これは大丈夫）
1.6 FAQ
10程度のFAQが載ってる
流石に全部書くのはアレなので割愛する
主に機械学習アルゴリズムについての理解を深めるための内容になってる
1.7 謝辞
割愛
おわりに
全体的な感想として、レベル高そうだなあという感じです
パラパラめくってみましたが数式が多くて多分途中でついて行けなくなるだろうなあという予感をひしひし感じてます
が、ググりながら少しずつでも読み進めようと思います
第２章はこちら