¿Qué métodos matemáticos se utilizan para rastrear el efecto de mercado de los algoritmos comerciales de alta frecuencia?

Mientras estoy aprendiendo el asunto por mí mismo y no puedo precisar la solicitud exacta en la pregunta, me encontré con cosas beneficiosas en estos libros:

1. Modelado predictivo aplicado: 9781461468486: Medicine & Health Science Books @ Amazon.com
2. Amazon.com: una introducción al aprendizaje estadístico: con aplicaciones en R (Springer Texts in Statistics) (9781461471370): Gareth James, Daniela Witten, Trevor Hastie, Robert Tibshirani: Libros
3. Modelos gráficos probabilísticos: principios y aplicaciones (avances en la visión por computadora y el reconocimiento de patrones): Luis Enrique Sucar: 9781447166986: Amazon.com: Libros
4. Modelado de datos financieros espaciados irregularmente – Teoría y | Nikolaus Hautsch | Saltador
5. Econometría de datos financieros de alta frecuencia | Nikolaus Hautsch | Saltador

También sugiero cubrir esta pista en Coursera:

• Modelos gráficos probabilísticos | Coursera

Este en Udemy:

• ¿Existe tal cosa como un 'Algoritmo Maestro'?
• Cómo implementar la codificación y decodificación de Huffman usando una matriz y no un árbol
• ¿Cuál es su opinión sobre Interview Cake para resolver algoritmos?
• ¿Qué es mejor para la programación competitiva, la introducción del MIT a los algoritmos o los tutoriales de TopCoder?
• ¿Cuáles son las diferentes formas en que puede obtener la longitud de una matriz en C ++?

• Forex Trading AZ ™ – Con ejemplos EN VIVO de Forex Trading

Y también casualmente tratando de recoger cosas de aquí:

• Cursos en línea: en cualquier momento y en cualquier lugar | Udemy

También recomiendo aprender a programar con el lenguaje Python (si no es que ya) que se está convirtiendo en el idioma principal en el mundo de la ciencia de datos.

En lo que respecta a Python para finanzas, hay varios recursos diferentes:

1. El grupo de Python Quants : tpq.io
2. Yves en YouTube : youtube.com/results
3. Plataforma cuant: pqp.io
4. DX Analytics : dx-analytics.com
5. Para el campamento de arranque de Python Quants : fpq.io
6. Reunión de Python para Quant Finance : pqf.tpq.io
7. Libros : books.tpq.io

Las 10 bibliotecas de aprendizaje automático de Python

1. Numpy / Scipy : numpy.org
2. Scikit-Learn : scikit-learn.org
3. Keras : keras.io
4. TensorFlow : tensorflow.org
5. Theano : deeplearning.net/software/theano
6. Pandas : pandas.pydata.org
7. Caffe / Caffe 2 : caffe.berkeleyvision.o
8. Jupyter : jupyter.org
9. CNTK : microsoft.com/en-us/cognitive-toolki
10. NLTK: nltk.org