第1章
AI与加密货币概述
AI技术基础 · 加密货币市场特点 · AI+加密的机遇与挑战
入门宏观
第2章
数据采集与清洗
交易所API对接 · 历史数据获取 · 数据清洗与预处理 · 特征工程入门
数据API
第3章
技术指标与特征工程
常见技术指标(MA/RSI/MACD) · 自定义特征 · 特征选择方法
指标特征
第4章
机器学习基础与交易策略
监督学习(分类/回归) · 无监督学习(聚类) · 模型评估与回测框架
ML回测
第5章
深度学习与NLP在加密市场
LSTM/GRU · Transformer · 新闻情感分析 · 多模态数据融合
DLNLP
第6章
强化学习与自动化交易
马尔可夫决策过程 · Q-Learning/DQN · 策略梯度 · 实盘环境搭建
RL自动交易
第7章
风险管理与组合优化
VaR/CVaR · 投资组合理论 · 动态仓位管理 · 止损与止盈
风控组合
第8章
模型部署与监控
模型序列化与API · Docker容器化 · 实时监控告警 · 模型漂移检测
部署MLOps
第9章
前沿趋势与伦理
联邦学习 · 可解释AI(XAI) · 高频交易微观结构 · AI交易伦理与监管
前沿伦理
第10章
综合实战项目
从零搭建AI量化交易系统 · 架构设计 · 模块开发集成 · 性能优化复盘
实战全栈
第11章
Python环境与库管理
Anaconda配置 · 虚拟环境 · 常用库安装(pandas, numpy, sklearn, tensorflow, ccxt)
环境Python
第12章
Pandas数据处理进阶
时间序列处理 · 滚动窗口 · 数据对齐与重采样 · 多因子数据处理
Pandas时间序列
第13章
回测系统深入
事件驱动回测 · 向量化回测 · 滑点与手续费模拟 · 过拟合检测
回测模拟
第14章
特征重要性分析
树模型特征重要性 · Permutation Importance · SHAP · 特征稳定性检验
特征可解释
第15章
集成学习方法
随机森林 · XGBoost · LightGBM · Stacking · 模型融合策略
集成Boosting
第16章
超参数调优
网格搜索 · 随机搜索 · 贝叶斯优化 · Optuna · 调参实战案例
调优Optuna
第17章
时间序列交叉验证
扩展窗口验证 · 滑动窗口 · 时间序列分割 · 避免未来信息泄露
验证时间序列
第18章
LSTM实战
序列数据构建 · LSTM网络设计 · 训练与调优 · 多步预测策略
LSTM预测
第19章
Transformer在时间序列的应用
时间序列Transformer · 位置编码 · 自注意力机制 · 实战案例
Transformer时间序列
第20章
自然语言处理实战
新闻爬虫与预处理 · BERT情感分析 · 事件驱动策略 · 舆情因子构建
NLP情感
第21章
强化学习环境搭建
Gym自定义环境 · 状态/动作空间设计 · 奖励函数 · 环境测试
RLGym
第22章
DQN算法实战
经验回放 · 目标网络 · DQN训练流程 · 加密市场应用
DQNRL
第23章
PPO算法实战
Actor-Critic · PPO裁剪机制 · 训练与调优 · 策略稳定性分析
PPO策略梯度
第24章
多智能体系统
多智能体强化学习框架 · 合作与竞争策略 · 市场模拟与博弈
多智能体模拟
第25章
风险平价模型
等风险贡献 · 风险预算 · 动态风险平价 · 与加密货币结合
风险平价组合
第26章
黑天鹅事件应对
极端值检测 · 压力测试 · 尾部风险对冲 · 熔断机制设计
黑天鹅风控
第27章
模型解释性
LIME与SHAP实战 · 特征依赖图 · 决策可视化 · 合规性报告
XAI可解释
第28章
实盘交易系统架构
微服务架构 · 消息队列(Kafka/RabbitMQ) · 数据库选型 · 高可用设计
架构微服务
第29章
性能优化与成本控制
Cython/Numba加速 · GPU加速 · API调用优化 · 云成本控制
性能成本
第30章
项目复盘与持续迭代
交易日志分析 · 策略归因 · A/B测试框架 · 策略迭代方法论
复盘迭代