一、课程导论：智能决策模型概述、跨市场应用的价值、课程目标与学习路径

1.1 什么是智能决策模型？

先说说我个人的理解。智能决策模型，说白了就是让机器帮我们做交易判断。

不是简单的“金叉买入、死叉卖出”。那是上世纪的东西了。

真正的智能决策模型，它得能感知市场状态，能推理逻辑关系，还能自我进化。我做了十年量化，见过太多“看起来很美的策略”，一上实盘就崩。为什么？因为模型不够“智能”。

举个例子。传统模型告诉你：“RSI超过70就卖出”。但智能模型会思考：

• 当前是趋势行情还是震荡行情？
• 这个品种的波动率有没有异常？
• 市场情绪是恐慌还是贪婪？
• 有没有突发消息在影响价格？

你看，这才是“决策”该有的样子。

1.2 跨市场应用的价值

为什么我要强调“跨市场”？

因为我踩过坑。早些年我只做A股，模型跑得挺好。结果2015年股灾，一天亏掉三个月的利润。后来我才明白——单一市场，风险太集中了。

跨市场应用的价值，主要体现在三个方面：

维度	单一市场	跨市场
风险分散	系统性风险无法规避	不同市场相关性低，可对冲
机会捕捉	只能吃一个市场的饭	哪里有机会就去哪里
资金效率	闲置资金多	全天候运转，资金利用率高

我有个习惯，每天开盘前先看一遍全球市场：美股、港股、商品、外汇、加密货币。哪个市场出现信号，模型就自动分配资金过去。你想想看，这比死守一个市场强多少？

1.3 课程目标

这门课的目标很明确——让你能独立搭建一套跨市场的智能决策系统。

具体来说，学完这门课，你应该能做到：

1. 理解核心原理——知道智能决策模型为什么有效，也清楚它的局限性
2. 掌握实战技能——能用Python实现从数据采集到策略部署的全流程
3. 具备跨市场思维——能在股票、期货、加密货币等多个市场间灵活切换
4. 学会模型优化——能诊断模型问题，持续提升策略表现

嗯，这里要注意。我不打算讲太多理论。每节课我都会带着你写代码、跑回测、看结果。我始终相信，量化交易是“做”出来的，不是“学”出来的。

1.4 学习路径

整个课程分成五个模块，我建议你按这个顺序来：

我个人建议，不要跳着学。每个模块都是环环相扣的。你想想看，如果连基础的数据清洗都不会，后面怎么跑模型？

下面这张图，是我自己整理的课程知识体系。你可以把它当作学习地图：

1.5 你需要准备什么？

工欲善其事，必先利其器。我建议你提前准备好这些：

• Python 3.8+——推荐用Anaconda管理环境
• Jupyter Notebook——边学边跑代码，效率最高
• 数据源——我会提供示例数据，但建议你自己也找几个API
• 一台能跑深度学习的机器——有GPU最好，没有也能学

好了，这就是课程导论的全部内容。接下来，我们就要开始动手了。记住，量化交易不是看会的，是干会的。