包邮量化交易入门与Python实践(21世纪通识教育系列教材)

1量化交易 1.1量化交易简介 1.2量化交易的传奇人物 1.3量化交易系统 1.4交易策略的研发、测试和上线过程 1.5量化交易系统的评价指标 1.6量化交易的核心问题 2股票与期货基础 2.1股票入门 2.2期货入门 3基本面分析和技术分析 3.1基本面分析与技术分析的共存 3.2基本面分析 3.3技术分析 4Python入门 4.1Python语言简介 4.2环境创建、安装、配置和版本 4.3Python语言入门 4.4pandas入门 4.5numpy入门 4.6几个重要的软件包 5传统机器学习初步 5.1人工智能与机器学习 5.2机器学习的流程 5.3表示模型——为机器学习准备数据 5.4机器学习模型的输出 5.5机器学习分类 5.6深度学习 5.7统计分析和机器学习的关系 5.8典型的传统机器学习算法和Python实例 6深度学习初步 6.1人工神经网络 6.2深度学习 6.3卷积神经网络 6.4循环神经网络 6.5长短期记忆神经网络 6.6RNN和LSTM的应用 6.7时间序列预测的模式 6.8单一时间序列+预测多天(n天) 6.9多时间序列+预测多天(n天) 7统计分析初步 7.1统计分析简介 7.2隐马尔可夫模型 7.3HMM用于时间序列预测的Python实例 7.4ARIMA模型 7.5ARIMA用于时间序列预测的Python实例 8数据准备 8.1通过Tushare获得国内股票价格数据 8.2通过YLoader获得美股价格数据 8.3价格数据可视化 9基于规则的交易策略 9.1基于价格与移动平均交叉的交易策略 9.2利用RSI指标判断超买、超卖的交易策略 9.3使用遗传编程自动寻找规则 10基于分类的交易策略(股票内) 11基于回归的交易策略(股票内) 11.1基于分类的交易策略(股票内)的改进 11.2基于回归的交易策略(股票内)概述 11.3代码分析 11.4运行结果 11.5改变每次购买股票的数量 11.6观察样本构造 12基于回归的交易策略(股票间) 12.1股票间的拉动作用 12.2MACD指标及其应用 12.3代码分析 12.4运行结果 12.5样本构造的讨论 13基于统计分析的交易策略 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模型的应用 14交易策略参数的优化 14.1Server/Worker模式寻找*优参数 14.2Local模式寻找*优参数 14.3其他交易策略的参数优化 14.4股票之间的相关性 14.5股票之间的延迟相关性 15尝试其他算法与算法的组合 15.1尝试其他分类算法及其组合 15.2尝试其他回归算法及其组合 16基于深度学习模型的交易策略 16.1离线训练和在线预测 16.2基于深度学习模型的交易策略概述 16.3运行结果 16.4回测速度和模型更新 17其他话题 17.1实盘交易 17.2日内、隔日、中短期、长期交易 17.3高频交易 17.4风险控制和投资组合 17.5价格数据、基本面数据、宏观经济数据的获取和使用 17.6新闻、博客、自媒体的获取和多模态信息处理 17.7强化学习、深度学习的运用 17.8时间序列数据的无监督表示学习