1量化交易
1.1量化交易簡介
1.2量化交易的傳奇人物
1.3量化交易系統(tǒng)
1.4交易策略的研發(fā)、測試和上線過程
1.5量化交易系統(tǒng)的評價指標
1.6量化交易的核心問題
2股票與期貨基礎(chǔ)
2.1股票入門
2.2期貨入門
3基本面分析和技術(shù)分析
3.1基本面分析與技術(shù)分析的共存
3.2基本面分析
3.3技術(shù)分析
4Python入門
4.1Python語言簡介
4.2環(huán)境創(chuàng)建、安裝、配置和版本
4.3Python語言入門
4.4pandas入門
4.5numpy入門
4.6幾個重要的軟件包
5傳統(tǒng)機器學習初步
5.1人工智能與機器學習
5.2機器學習的流程
5.3表示模型——為機器學習準備數(shù)據(jù)
5.4機器學習模型的輸出
5.5機器學習分類
5.6深度學習
5.7統(tǒng)計分析和機器學習的關(guān)系
5.8典型的傳統(tǒng)機器學習算法和Python實例
6深度學習初步
6.1人工神經(jīng)網(wǎng)絡(luò)
6.2深度學習
6.3卷積神經(jīng)網(wǎng)絡(luò)
6.4循環(huán)神經(jīng)網(wǎng)絡(luò)
6.5長短期記憶神經(jīng)網(wǎng)絡(luò)
6.6RNN和LSTM的應(yīng)用
6.7時間序列預測的模式
6.8單一時間序列+預測多天(n天)
6.9多時間序列+預測多天(n天)
7統(tǒng)計分析初步
7.1統(tǒng)計分析簡介
7.2隱馬爾可夫模型
7.3HMM用于時間序列預測的Python實例
7.4ARIMA模型
7.5ARIMA用于時間序列預測的Python實例
8數(shù)據(jù)準備
8.1通過Tushare獲得國內(nèi)股票價格數(shù)據(jù)
8.2通過YLoader獲得美股價格數(shù)據(jù)
8.3價格數(shù)據(jù)可視化
9基于規(guī)則的交易策略
9.1基于價格與移動平均交叉的交易策略
9.2利用RSI指標判斷超買、超賣的交易策略
9.3使用遺傳編程自動尋找規(guī)則
10基于分類的交易策略(股票內(nèi))
11基于回歸的交易策略(股票內(nèi))
11.1基于分類的交易策略(股票內(nèi))的改進
11.2基于回歸的交易策略(股票內(nèi))概述
11.3代碼分析
11.4運行結(jié)果
11.5改變每次購買股票的數(shù)量
11.6觀察樣本構(gòu)造
12基于回歸的交易策略(股票間)
12.1股票間的拉動作用
12.2MACD指標及其應(yīng)用
12.3代碼分析
12.4運行結(jié)果
12.5樣本構(gòu)造的討論
13基于統(tǒng)計分析的交易策略
13.1基于ARIMA模型的交易策略
13.2基于HMM的交易策略
13.3ARCH和GARCH模型的應(yīng)用
14交易策略參數(shù)的優(yōu)化
14.1Server/Worker模式尋找最優(yōu)參數(shù)
14.2Local模式尋找最優(yōu)參數(shù)
14.3其他交易策略的參數(shù)優(yōu)化
14.4股票之間的相關(guān)性
14.5股票之間的延遲相關(guān)性
15嘗試其他算法與算法的組合
15.1嘗試其他分類算法及其組合
15.2嘗試其他回歸算法及其組合
16基于深度學習模型的交易策略
16.1離線訓練和在線預測
16.2基于深度學習模型的交易策略概述
16.3運行結(jié)果
16.4回測速度和模型更新
17其他話題
17.1實盤交易
17.2日內(nèi)、隔日、中短期、長期交易
17.3高頻交易
17.4風險控制和投資組合
17.5價格數(shù)據(jù)、基本面數(shù)據(jù)、宏觀經(jīng)濟數(shù)據(jù)的獲取和使用
17.6新聞、博客、自媒體的獲取和多模態(tài)信息處理
17.7強化學習、深度學習的運用
17.8時間序列數(shù)據(jù)的無監(jiān)督表示學習