交易的密碼：用算法賺取第一桶金

吳岸城

交易的密碼：用算法賺取第一桶金

買這商品的人也買了...

相關主題

商品描述

傳統的股市技術分析書籍一般從圖表模式和技術指標出發，分析如何選擇進入點和退出點、開發交易系統以及制定成功的交易計劃。近年來，機器學習與神經網絡技術快速發展，並且與傳統量化方法相結合，產生了無限的可能性。基於此趨勢，本書將重點放在交易模型的構建上，即如何尋找合適的算法來實現交易以及如何優化這些算法。本書直接從技術指標等數據出發，介紹了交易模型與投資組合優化方法、如何利用基礎算法（線性回歸、lightGBM）預測股市的漲跌與股價、利用消息面來預測市場情緒、利用深度學習和強化學習算法預測股票，以及如何進行套利交易和網格交易等。 本書適合對投資有興趣的人群閱讀。

目錄大綱

第一章 交易模型與投資組合 1
第1 節 建立底層交易邏輯 3
第2 節 交易策略的發展 4
第3 節 交易策略 6
第4 節 回測 14
第5 節 數據獲取 20
第6 節 建立交易模型 23
第7 節 交易的特徵工程 30
第8 節 投資組合優化 43
第二章 用機器學習預測股價 53
第1 節 機器學習過程 55
第2 節 回歸模型：從風險到回報 57
第3 節 波動率預測與波動套利 61
第4 節 使用決策樹追蹤趨勢 66
第5 節 提升交易策略穩定性 71
第三章 交易的情緒 75
第1 節 情緒分析原則 77節 情緒分析原則 77
第2 節 如何構建情緒指標 81
第3 節 基於詞向量與句向量的新聞分析 84
第4 節 其他的情緒識別思路 88
第四章 用深度學習指導交易 89
第1 節 基礎深度模型 91
第2 節 LSTM 可以用來選股嗎 93
第3 節 雙向LSTM 是否會更好 95
第4 節 GRU 優化了什麽 96
第5 節 集成的CNN 結構 98
第6 節 關於選股模型的思考 104
第7 節 選股模型改進 107
第8 節 集成模型 122
第五章 在交易中應用強化學習 127
第1 節 強化學習基礎框架 129
第2 節 手動實現股票買賣的強化學習網絡 132
第3 節 改進DQN 網絡 135
第4 節 回合制還是持續式：Actor-Critic 137
第5 節 稀疏獎勵：好奇心提高agent 對環境的可知性 138
第6 節 神經網絡自動進化：Neuro-evolution 141
第7 節 強化學習的框架選擇 144
第8 節 設計一個符合交易系統的獎勵 145
第9 節 雙agent：選擇交易時機和交易價格 146
第10 節 應用強化學習需要註意的事項 148
第六章 傳統的指標：神奇還是普通 151
第1 節 斐波那契數列 152
第2 節 ABCD 交易法 154
第3 節 諧波模式 157
第4 節 自動找出諧波模式 160
第七章 高頻交易 163
第1 節 套利交易：魔鬼的價差 164
第2 節 跳繩交易 166
第3 節 網格交易：利用好每一次波動 167
第4 節 搭建網格交易系統 169
第5 節 網格交易的常見問題與進階 172
第6 節 高頻交易框架 173
第八章 問答集 177
第1 節 預判性與跟隨性 178
第2 節 有了算法後，還需要人工介入嗎 178
第3 節 需要多大的資金規模 178
第4 節 如何預測黑天鵝事件 179
第5 節 什麽是指數增強 179
第6 節 私募公司是如何開發策略的 180
第7 節 是否要在機器學習模型中單獨區分行業 181
第8 節 指數是否重要 181
第9 節 追漲或打板 181
第10 節 股票池篩選原則 182
第11 節 如何設置機器學習的目標 182
第12 節 如何建立分類任務：二分類還是多分類 183
第13 節 如何確定長期、中期、短期的周期規律 183
第14 節 如何研究對手盤 184
第15 節 什麽是沖擊算法（下單算法） 185
第16 節 如何利用大模型進行研報的分析判斷 187
第17 節 傻瓜的故事 190
附錄A 192

類似商品