预购商品
书目分类
特别推荐
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 資料獲取 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 優化了什麼 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路 132 第3 節 改進DQN 網路 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 神經網路自動進化：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 應用強化學習需要注意的事項 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 有了演算法後，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 什麼是指數增強 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、短期的週期規律 183 第14 節 如何研究對手盤 184 第15 節 什麼是衝擊演算法（下單演算法） 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
吳岸城（Arthur Wu），畢業于浙江大學電腦系。擁有18年企業級軟體服務與大型電信增值業務軟體研發經驗，8年機器學習/深度學習研發及管理經驗。曾在某大型公司擔任技術管理人員，某創業公司任首席資料科學家。出版兩本深度學習著作，申請了多項演算法專利授權。
客服公告
热门活动
订阅电子报
