算法交易机器学习建模与性能优化的数据提取、转换和加载过程自动化
分布式、并行与集群计算
2023-12-21 v1
摘要
数据仓库利用机器学习算法高效准备数据，以进行有效且快速的数据分析与建模。本文讨论了针对算法交易算法的数据提取、转换和加载（ETL）过程及其自动化的现有解决方案。将数据仓库以及未来的数据湖与机器学习算法集成，当性能和数据处理时间成为关键的非功能性需求时，将为研究带来巨大机遇。
引用
@article{arxiv.2312.12774,
title = {Data Extraction, Transformation, and Loading Process Automation for Algorithmic Trading Machine Learning Modelling and Performance Optimization},
author = {Nassi Ebadifard and Ajitesh Parihar and Youry Khmelevsky and Gaetan Hains and Albert Wong and Frank Zhang},
journal= {arXiv preprint arXiv:2312.12774},
year = {2023}
}