VIP12
本课程属于：021-Qlib AI量化研究工程 智能金融与金融工程 · 共 12 门相关课程，组合学习更完整。
查看所属VIP全部课程 →
← 返回所属目录 咨询 / 购买

Qlib深度学习量化预测实战

共计 30 章节
可可资料掘金营 · 点击在线试看
01
课程导入
目标=量化预测的基本概念 · Qlib框架定位 · 深度学习在量化投资中的价值
课程导入目标=量化预测的…
02
环境搭建与快速上手
目标=Python环境配置 · Qlib安装与初始化 · 数据下载与更新
环境搭建快速上手
03
Qlib核心架构解析
目标=数据层 · 模型层 · 策略层
Qlib核心架构解析
04
金融数据基础与Qlib数据格式
目标=行情数据 · 因子数据 · 标签数据
Qlib金融数据基础
05
特征工程与因子构建
目标=技术指标 · 基本面因子 · 量价因子
特征工程因子构建
06
数据预处理与数据集划分
目标=缺失值处理 · 标准化 · 去极值
数据预处理数据集划分
07
深度学习模型基础
目标=神经网络基础 · 全连接网络 · 循环神经网络
深度学习模型基础目标=神经网络基…
08
Qlib中的模型训练流程
目标=模型定义 · 配置管理 · 训练循环
Qlib模型训练流程
09
基于MLP的量化预测实战
目标=构建多层感知机模型 · 配置训练参数 · 完成训练评估
MLP基于
10
基于LSTM的时序预测实战
目标=处理时序特征 · 搭建LSTM模型 · 训练与调参
LSTM基于
11
基于GRU的量化预测实战
目标=GRU原理 · 模型搭建 · 训练流程
GRU基于
12
基于Transformer的量化预测实战
目标=自注意力机制 · 位置编码 · Transformer模型搭建
Transformer基于
13
基于TCN的量化预测实战
目标=时序卷积网络原理 · 因果卷积与膨胀卷积 · 模型实现
TCN基于
14
模型评估与预测分析
目标=IC · Rank IC · ICIR
模型评估预测分析
15
策略构建与回测
目标=基于预测信号的选股策略 · 仓位管理 · 交易成本设置
策略构建回测
16
多模型集成与融合
目标=模型集成方法 · 加权融合 · Stacking
多模型集成融合
17
超参数优化与自动化调参
目标=网格搜索 · 随机搜索 · 贝叶斯优化
超参数优化自动化调参
18
滚动训练与在线更新
目标=滚动窗口训练 · 模型定期更新 · 增量学习
滚动训练线更新
19
风险控制与组合优化
目标=风险模型 · 波动率控制 · 行业中性化
风险控制组合优化
20
多因子模型与深度学习结合
目标=传统多因子模型 · 深度学习因子挖掘 · 因子合成
多因子模型深度学习结合
21
高频数据与日内量化预测
目标=高频数据特征 · 分钟级预测 · 订单簿数据
高频数据日内量化预测
22
另类数据与文本因子
目标=新闻情感 · 财报文本 · 社交媒体数据
另类数据文本因子
23
模型可解释性与归因分析
目标=特征重要性 · SHAP值 · 注意力可视化
模型可解释性归因分析
24
Qlib工作流与自动化
目标=qrun工作流 · 配置文件管理 · 实验管理
Qlib工作流
25
常见问题与调试技巧
目标=数据对齐问题 · 内存优化 · 训练不收敛
常见问题调试技巧
26
性能优化与分布式训练
目标=GPU加速 · 混合精度训练 · 数据加载优化
性能优化分布式训练
27
实盘部署与工程化
目标=模型服务化 · 实时预测 · 交易接口对接
实盘部署工程化
28
综合实战一
目标=端到端深度学习量化策略开发 · 因子构建 · 模型训练
综合实战一目标=端到端深度…
29
综合实战二
目标=多模型对比与策略提升 · LSTM · GRU
综合实战二目标=多模型对比
30
课程总结与进阶方向
目标=核心知识回顾 · 实战经验总结 · 前沿研究方向
课程总结进阶方向