交易的密码 用算法赚取第一桶金

"《交易的密码：用算法赚取第一桶金》围绕“赚钱”这一核心诉求，分析交易及交易算法的各种思路、技巧，并在此基础上梳理了各类交易模型的优劣及其适用场景。 《交易的密码：用算法赚取第一桶金》以实战为导向，摒弃了高深的理论知识，没有枯燥的数学公式，而是结合作者亲身的实战经验和教训，分析了用模型交易赚钱的关键要点和注意事项，相信每位读者都会从中得到启发。"

传统的股市技术分析书籍一般从图表模式和技术指标出发，分析如何选择进入点和退出点、开发交易系统以及制定成功的交易计划。近年来，机器学习与神经网络技术快速发展，并且与传统量化方法相结合，产生了无限的可能性。基于此趋势，本书将重点放在交易模型的构建上，即如何寻找合适的算法来实现交易以及如何优化这些算法。本书直接从技术指标等数据出发，介绍了交易模型与投资组合优化方法、如何利用基础算法（线性回归、lightGBM）预测股市的涨跌与股价、利用消息面来预测市场情绪、利用深度学习和强化学习算法预测股票，以及如何进行套利交易和网格交易等。 本书适合对投资有兴趣的人群阅读。

吴岸城，毕业于浙江大学计算机系。拥有10年企业级软件研发经验，10年算法研发及架构选型经验。曾领导开发多个算法平台、大数据平台，云计算、APP项目；曾在某大型公司担任技术管理人员，在某创业公司担任首席数据科学家。已出版两本深度学习著作，申请多个算法专利授权。目前的研究兴趣聚焦于大语言模型、交易算法、语音、推荐领域。

第一章 交易模型与投资组合 1
第1节 建立底层交易逻辑 3
第2节 交易策略的发展 4
第3节 交易策略 6
第4节 回测 14
第5节 数据获取 20
第6节 建立交易模型 23
第7节 交易的特征工程 30
第8节 投资组合优化 43
第二章 用机器学习预测股价 53
第1节 机器学习过程 55
第2节 回归模型：从风险到回报 57
第3节 波动率预测与波动套利 61
第4节 使用决策树追踪趋势 66
第5节 提升交易策略稳定性 71
第三章 交易的情绪 75
第1节 情绪分析原则 77节 情绪分析原则 77
第2节 如何构建情绪指标 81
第3节 基于词向量与句向量的新闻分析 84
第4节 其他的情绪识别思路 88
第四章 用深度学习指导交易 89
第1节 基础深度模型 91
第2节 LSTM 可以用来选股吗 93
第3节 双向LSTM 是否会更好 95
第4节 GRU 优化了什么 96
第5节 集成的CNN 结构 98
第6节 关于选股模型的思考 104
第7节 选股模型改进 107
第8节 集成模型 122
第五章 在交易中应用强化学习 127
第1节 强化学习基础框架 129
第2节 手动实现股票买卖的强化学习网络 132
第3节 改进DQN 网络 135
第4节 回合制还是持续式：Actor-Critic 137
第5节 稀疏奖励：好奇心提高agent 对环境的可知性 138
第6节 神经网络自动进化：Neuro-evolution 141
第7节 强化学习的框架选择 144
第8节 设计一个符合交易系统的奖励 145
第9节 双agent：选择交易时机和交易价格 146
第10节 应用强化学习需要注意的事项 148
第六章 传统的指标：神奇还是普通 151
第1节 斐波那契数列 152
第2节 ABCD 交易法 154
第3节 谐波模式 157
第4节 自动找出谐波模式 160
第七章 高频交易 163
第1节 套利交易：魔鬼的价差 164
第2节 跳绳交易 166
第3节 网格交易：利用好每一次波动 167
第4节 搭建网格交易系统 169
第5节 网格交易的常见问题与进阶 172
第6节 高频交易框架 173
第八章 问答集 177
第1节 预判性与跟随性 178
第2节 有了算法后，还需要人工介入吗 178
第3节 需要多大的资金规模 178
第4节 如何预测黑天鹅事件 179
第5节 什么是指数增强 179
第6节 私募公司是如何开发策略的 180
第7节 是否要在机器学习模型中单独区分行业 181
第8节 指数是否重要 181
第9节 追涨或打板 181
第10节 股票池筛选原则 182
第11节 如何设置机器学习的目标 182
第12节 如何建立分类任务：二分类还是多分类 183
第13节 如何确定长期、中期、短期的周期规律 183
第14节 如何研究对手盘 184
第15节 什么是冲击算法（下单算法） 185
第16节 如何利用大模型进行研报的分析判断 187
第17节 傻瓜的故事 190
附录A 192