深入浅出Python量化交易实战

本书主要以国内A股市场 为例，借助第三方量化交易 平台，讲述了KNN、线性模 型、决策树、支持向量机、 朴素贝叶斯等常见机器学习 算法在交易策略中的应用， 同时展示了如何对策略进行 回测，以便让读者能够有效 评估自己的策略。 另外，本书还讲解了自 然语言处理（NLP）技术在 量化交易领域的发展趋势， 并使用时下热门的深度学习 技术，向读者介绍了多层感 知机、卷积神经网络，以及 长短期记忆网络在量化交易 方面的前瞻性应用。 本书没有从Python基础 语法讲起，对于传统交易策 略也只是一带而过，直接将 读者带入机器学习的世界。 本书适合对Python语言有一 定了解且对量化交易感兴趣 的读者阅读。

段小手，君兮科技创始人，毕业于北京大学。具有10余年国内一线互联网/电子商务公司项目管理经验。其负责的跨境电子商务项目曾获得“国家发改委电子商务示范项目”“中关村现代服务业试点项目”“北京市信息化基础设施提升项目”“北京市外贸综合公共平台”等专项政策支持。目前重点研究领域为机器学习和深度学习等方面。

第1章 小瓦的故事—从零开始 1.1 何以解忧，“小富”也行 1.1.1 那些年，那些交易 1.1.2 自动化交易和高频交易 1.1.3 因子投资悄然兴起 1.2 机器学习崛起 1.2.1 量化投资风生水起 1.2.2 没有数据是不行的 1.2.3 交易策略和阿尔法因子 1.3 要想富，先配库 1.3.1 Anaconda的下载和安装 1.3.2 Jupyter Notebook的基本使用方法 1.3.3 用真实股票数据练练手 1.4 小结 第2章 小瓦的策略靠谱吗—回测与经典策略 2.1 对小瓦的策略进行简单回测 2.1.1 下载数据并创建交易信号 2.1.2 对交易策略进行简单回测 2.1.3 关于回测，你还需要知道的 2.2 经典策略之移动平均策略 2.2.1 单一移动平均指标 2.2.2 双移动平均策略的实现 2.2.3 对双移动平均策略进行回测 2.3 经典策略之海龟策略 2.3.1 使用海龟策略生成交易信号 2.3.2 根据交易信号和仓位进行下单 2.3.3 对海龟策略进行回测 2.4 小结 第3章 AI来了—机器学习在交易中的简单应用 3.1 机器学习的基本概念 3.1.1 有监督学习和无监督学习 3.1.2 分类和回归 3.1.3 模型性能的评估 3.2 机器学习工具的基本使用方法 3.2.1 KNN算法的基本原理 3.2.2 KNN算法用于分类 3.2.3 KNN算法用于回归 3.3 基于机器学习的简单交易策略 3.3.1 获取股票数据 3.3.2 创建交易条件 3.3.3 使用分类算法制定交易策略 3.4 小结 第4章 多来点数据—借助量化交易平台 4.1 数据不够，平台来凑 4.1.1 选择量化交易平台 4.1.2 量化交易平台的研究环境 4.1.3 在研究环境中运行代码 4.2 借助财务数据筛选股票 4.2.1 获取股票的概况 4.2.2 获取股票的财务数据