交易的密码：用算法赚取第一桶金

　　传统的股市技术分析书籍一般从图表模式和技术指标出发，分析如何选择进入点和退出点、开发交易系统以及制定成功的交易计划。近年来，机器学习与神经网络技术快速发展，并且与传统量化方法相结合，产生了无限的可能性。基于此趋势，本书将重点放在交易模型的构建上，即如何寻找合适的算法来实现交易以及如何优化这些算法。本书直接从技术指标等数据出发，介绍了交易模型与投资组合优化方法、如何利用基础算法（线性回归、lightGBM）预测股市的涨跌与股价、利用消息面来预测市场情绪、利用深度学习和强化学习算法预测股票走势，以及如何进行套利交易和网格交易等。本书适合对投资有兴趣的人群阅读。

　　吴岸城（Arthur Wu），毕业于浙江大学计算机系。拥有18年企业级软件服务与大型电信增值业务软件研发经验，8年机器学习/深度学习研发及管理经验。曾在某大型公司担任技术管理人员，某创业公司任首席数据科学家。出版两本深度学习著作，申请了多项算法专利授权。

第一章 交易模型与投资组合  1
第1 节 建立底层交易逻辑  3
第2 节 交易策略的发展  4
第3 节 交易策略  6
第4 节 回测  14
第5 节 数据获取  20
第6 节 建立交易模型  23
第7 节 交易的特征工程  30
第8 节 投资组合优化  43
第二章 用机器学习预测股价  53
第1 节 机器学习过程  55
第2 节 回归模型：从风险到回报  57
第3 节 波动率预测与波动套利  61
第4 节 使用决策树追踪趋势  66
第5 节 提升交易策略稳定性  71
第三章 交易的情绪  75
第1 节 情绪分析原则  77节 情绪分析原则  77
第2 节 如何构建情绪指标  81
第3 节 基于词向量与句向量的新闻分析  84
第4 节 其他的情绪识别思路  88
第四章 用深度学习指导交易  89
第1 节 基础深度模型  91
第2 节 LSTM 可以用来选股吗  93
第3 节 双向LSTM 是否会更好  95
第4 节 GRU 优化了什么  96
第5 节 集成的CNN 结构  98
第6 节 关于选股模型的思考  104
第7 节 选股模型改进  107
第8 节 集成模型  122
第五章 在交易中应用强化学习  127
第1 节 强化学习基础框架  129
第2 节 手动实现股票买卖的强化学习网络 132
第3 节 改进DQN 网络  135
第4 节 回合制还是持续式：Actor-Critic  137
第5 节 稀疏奖励：好奇心提高agent 对环境的可知性  138
第6 节 神经网络自动进化：Neuro-evolution  141
第7 节 强化学习的框架选择  144
第8 节 设计一个符合交易系统的奖励  145
第9 节 双agent：选择交易时机和交易价格  146
第10 节 应用强化学习需要注意的事项  148
第六章 传统的指标：神奇还是普通  151
第1 节 斐波那契数列  152
第2 节 ABCD 交易法  154
第3 节 谐波模式  157
第4 节 自动找出谐波模式  160
第七章 高频交易  163
第1 节 套利交易：魔鬼的价差  164
第2 节 跳绳交易  166
第3 节 网格交易：利用好每一次波动  167
第4 节 搭建网格交易系统  169
第5 节 网格交易的常见问题与进阶  172
第6 节 高频交易框架  173
第八章 问答集  177
第1 节 预判性与跟随性  178
第2 节 有了算法后，还需要人工介入吗  178
第3 节 需要多大的资金规模  178
第4 节 如何预测黑天鹅事件  179
第5 节 什么是指数增强  179
第6 节 私募公司是如何开发策略的  180
第7 节 是否要在机器学习模型中单独区分行业  181
第8 节 指数是否重要  181
第9 节 追涨或打板  181
第10 节 股票池筛选原则  182
第11 节 如何设置机器学习的目标  182
第12 节 如何建立分类任务：二分类还是多分类  183
第13 节 如何确定长期、中期、短期的周期规律  183
第14 节 如何研究对手盘  184
第15 节 什么是冲击算法（下单算法）  185
第16 节 如何利用大模型进行研报的分析判断  187
第17 节 傻瓜的故事  190
附录A  192