深度学习交易策略全流程实战

📚 共计 30 章节
01
量化交易基础
什么是量化交易 · 优势与风险 · 与传统交易区别 · 基本流程
概念入门
02
金融市场与数据
股票/期货/外汇 · K线图 · 数据源(Yahoo/Tushare) · 清洗预处理
数据市场
03
Python量化环境搭建
Anaconda · Jupyter · pandas/numpy/matplotlib · 虚拟环境
环境工具
04
Pandas数据处理实战
DataFrame/Series · 时间序列 · 重采样 · 滚动窗口 · 缺失值
核心清洗
05
技术指标计算
MA/EMA/RSI · 布林带 · MACD · 自定义指标
指标分析
06
数据可视化
Matplotlib · K线图 · 多子图 · Plotly交互 · 保存图表
绘图交互
07
特征工程基础
特征工程概念 · 时间序列特征 · 统计特征 · 滞后/差分
特征预处理
08
高级特征构建
滚动窗口 · 技术指标特征 · 波动率 · 微观结构 · 标准化
进阶因子
09
标签与目标变量
回归/分类目标 · 多分类 · 标签偏移 · 样本权重
标注监督
10
数据集划分
时间序列交叉验证 · 滚动/扩展窗口 · 避免未来信息泄露
验证划分
11
机器学习模型基础
线性/逻辑回归 · SVM · 决策树/随机森林 · 评估指标
ML分类
12
深度学习入门
神经网络 · 激活函数 · 损失函数 · 优化器 · 前/反向传播
DL基础
13
TensorFlow/PyTorch实战
框架选择 · 张量 · 自动求导 · 构建神经网络 · 保存模型
框架实战
14
LSTM网络原理
RNN基础 · 遗忘/输入/输出门 · 双向LSTM · 堆叠LSTM
LSTM序列
15
LSTM交易模型构建
滑动窗口 · 模型架构 · 超参数 · 编译
建模交易
16
模型训练与调优
早停 · 学习率衰减 · Dropout · 批量归一化 · 网格搜索
调优正则
17
模型评估与回测
回测框架 · 信号生成 · 资金曲线 · 夏普/最大回撤
回测绩效
18
过拟合与欠拟合
识别方法 · 正则化 · 数据增强 · 模型简化
诊断泛化
19
集成学习策略
Bagging/Boosting · Stacking · 模型融合 · 投票/加权
集成稳健
20
注意力机制
注意力原理 · 自注意力 · Transformer · 多头注意力
注意力前沿
21
Transformer交易模型
时间序列Transformer · 位置编码 · 编码器-解码器 · 实战
Transformer对比
22
强化学习交易
状态/动作/奖励 · Q-Learning · DQN · 策略梯度
RL决策
23
风险管理
凯利公式 · 止损止盈 · 投资组合优化 · VaR/CVaR
风控仓位
24
实盘交易系统架构
系统设计 · 数据流 · 信号模块 · 订单执行 · 监控告警
架构实盘
25
API对接与交易执行
券商API(IB/Binance) · REST/WebSocket · 订单类型 · 频率控制
API执行
26
策略回测与优化
回测引擎 · 滑点/手续费 · Walk-Forward · 蒙特卡洛
优化稳健
27
实盘部署与监控
云服务器/Docker · 日志 · 性能监控 · 异常处理 · 自动重启
部署运维
28
策略绩效分析
绩效报告 · 归因分析 · 换手率 · 胜率/盈亏比 · 容量评估
分析归因
29
前沿研究方向
图神经网络 · GAN生成数据 · 联邦学习 · 可解释AI
前沿研究
30
完整项目实战
全流程部署 · 文档编写 · Git版本控制 · 策略迭代 · 总结
项目综合