Создавать, тестировать и внедрять торговые стратегии на основе машинного обучения — от поиска данных до реализованного исполнения.

Код для Машинного обучения для торговли, 3-е издание от Стефан Янсен: 27 глав и девять кейсов, восстановленных С нуля вокруг одного сквозного рабочего процесса. Как идея исследования превращается в стратегию — это можно сделать Беги и продолжай бежать на живом рынке.

Ищете второе издание? Оно полное и стабильное на ветке second-edition: git checkout second-edition, и всё именно там, где описано в книге.

Содержание

• Что нового в третьем издании
• Девять кейс-стади — структурный центр этого издания
• Курсы и мастер-классы
• Кодекс, глава за главой, 27 руководств по главам
• Быстрый старт: установка, загрузка данных, запуск первого ноутбука
• Дополнительные ресурсы: руководство, навыки агента и шесть библиотек
• Планировка репозитория

---

Что нового в третьем издании

Вся книга прослеживает один путь: от исследований инфраструктуры данных и стратегии, через границу доказательств, что отделяет настройки от оценки, развертывания и мониторинга, с обратной связью, которая переобучает, делает паузы или отказывается от стратегии по мере того, как её край затухает.

Machine Learning for Trading, 3rd Edition

Build, test, and deploy ML-driven trading strategies, from data sourcing to live execution.

The code for Machine Learning for Trading, 3rd Edition by Stefan Jansen: 27 chapters and nine case studies, rebuilt from the ground up around one end-to-end workflow. How a research idea becomes a strategy you can run, and keep running, in a live market.

Looking for the second edition? It is complete and stable on the second-edition branch: git checkout second-edition, and everything is exactly where that book describes it.

Contents

• What’s new in the third edition
• Nine case studies, the structural centerpiece of this edition
• Courses and workshops
• The code, chapter by chapter, 27 chapter guides
• Quick start: install, download the data, run your first notebook
• Companion resources: primers, agent skills, and the six libraries
• Repository layout

---

What’s New in the Third Edition

The whole book traces one path: from data infrastructure and strategy research, across an evidence boundary that separates tuning from evaluation, to deployment and monitoring, with a feedback loop that retrains, pauses, or retires a strategy as its edge decays.

Where earlier editions moved technique by technique, the third edition runs that one process end to end, and adds substantial new material:

• A wider model toolkit: from gradient boosting (XGBoost, LightGBM, CatBoost) to deep time-series architectures (PatchTST, iTransformer, TSMixer, TCN, Mamba) and newer tabular and latent-factor models (TabPFN, TabM, conditional and supervised autoencoders).
• Dedicated strategy-design chapters: transaction costs and risk management are now full chapters, neither of which existed before, joining portfolio construction and strategy synthesis so a raw signal is carried through to a sized, cost- and risk-aware portfolio.
• A full production track: live trading systems (Interactive Brokers, Alpaca, QuantConnect), MLOps and governance (drift detection, safe rollout, circuit breakers, feature stores, experiment tracking), and the operational reality of running strategies, not just building them.
• Generative AI: retrieval-augmented generation grounded in SEC filings, knowledge graphs and Graph RAG, and