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
2.1股票入門
2.2期貨入門
3基本面分析和技術分析
3.1基本面分析與技術分析的共存
3.2基本面分析
3.3技術分析
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——為機器學習準備數據
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人工神經網絡
6.2深度學習
6.3卷積神經網絡
6.4循環(huán)神經網絡
6.5長短期記憶神經網絡
6.6RNN和LSTM的應用
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數據準備
8.1通過Tushare獲得國內股票價格數據
8.2通過YLoader獲得美股價格數據
8.3價格數據可視化
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)
11基于回歸的交易策略(股票內)
11.1基于分類的交易策略(股票內)的改進
11.2基于回歸的交易策略(股票內)概述
11.3代碼分析
11.4運行結果
11.5改變每次購買股票的數量
11.6觀察樣本構造
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指標及其應用
12.3代碼分析
12.4運行結果
12.5樣本構造的討論
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模型的應用
14交易策略參數的優(yōu)化
14.1Server/Worker模式尋找最優(yōu)參數
14.2Local模式尋找最優(yōu)參數
14.3其他交易策略的參數優(yōu)化
14.4股票之間的相關性
14.5股票之間的延遲相關性
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、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價格數據、基本面數據、宏觀經濟數據的獲取和使用
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時間序列數據的無監(jiān)督表示學習