个人笔记

1 模型特征

特征的选择是非常个性化的过程

因子的选择取决于你对问题的理解

常见基础指标列举： 基础指标 常见经济指标 常见股指 常见汇率

常见技术指标列举（包含python实现）

• CCI指标
• EMV指标
• 动量线
• BOLL指标

2 模型建立

探究了决策树和随机森林之间的关系，并引出了对集成算法的讨论，内容较为简略，深度不够，不再赘述。

之后简单提及了一些模型和概念 逻辑回归 1_study/algorithm/分类回归算法/支持向量机 SVM]] [[基础神经网络 损失函数

3

Read more

1 大纲

• OLS 线性回归
• Ridge
• Lasso
• Kernels 核技巧
• Cross-validation 交叉验证
• Hands on: sklearn 代码实践

2 机器学习

Machine Learning is the field of study that gives computers the ability to learn without being explicitly programmed. ---- Arthur Samuel (1959)

机器学习应用

Read more

任务目标

1. 实战：python爬取金融数据
2. 实战2: 利用python进行金融数据处理：数据清洗，数据可视化，特征提取，etc.
3. 实战3:你的第一个基于机器学习的量化模型（yay）

1 数据

金融数据源

• Tushare -财经数据接口包
• 雅虎金融
• 谷歌金融
• QuantQuote
• EODdata

存储方式：csv、sql、nosql

数据格式

• 交易所信息
• 数据来源
• Ticker/symbol
• 价格
• 企业行为（stock splits

Read more

任务目标：

1. 掌握python语言和常用数据处理包
2. 从技术分析到机器学习

1 python基础

python安装 python数据类型 python基本语法 python的数据结构：tuple,list,dictionary,etc python的内置函数 python和面向对象编程

自学地址： https://learnxinyminutes.com/docs/python/ #python #教程

常用库：numpy、pandas、sklearn

自学书籍： 《利用python进行数据分析》 书籍概况 自学地址：http://scikit-le

Read more

1 课程总览

1. 为什么要做算法交易

2. 交易系统的开发与设计

3. 时间序列分析

4. 策略建模及其优化方法

5. 策略评价与回测

6. 风险管理

7. 交易策略的实现

8. 交易策略的执行

课程主要围绕三个核心： #金融 #编程 #机器学习

2 算法交易综述

算法交易：利用自动化平台，执行预先设置的一系列规则完成交易行为。

优点

1. 历史数据评估
2. 执行高效
3. 无主观情绪输入
4. 可度量评价
5. 交易频率

缺点

1. 成本（学习成本、金钱成本）
2. 技巧

交易流程——大前提：基于某种平台：

1. 提出假设
2. 建立模型
3. 回测验证
4. 执行交易

交易策

Read more