所属分类：金融财务与量化 当前为单品课程，可返回上一级继续浏览同方向资料。
← 返回上一级
← 返回所属目录 咨询 / 购买

机器学习量化交易实战指南

共计 30 章节
点击此处阅读海量试读课程：100+行业、1000+细分领域
01
课程导入
学习目标 · 量化交易与机器学习结合的价值 · 课程整体框架与学习路径
课程导入学习目标
02
金融市场基础
股票 · 期货 · 外汇等交易品种的特点
金融市场基础股票
03
量化交易概述
量化交易的定义 · 发展历史 · 主要策略类型（趋势
量化交易概述量化交易的定义
04
Python金融数据分析基础
NumPy · Pandas · Matplotlib在金融数据清洗
Python金融数据分析基础
05
金融数据获取与预处理
使用Tushare · Yahoo Finance等获取行情… · 处理缺失值
金融数据获取预处理
06
技术指标与特征工程
常用技术指标（MA · RSI · MACD
技术指标特征工程
07
机器学习基础回顾
监督学习 · 无监督学习 · 过拟合与欠拟合
机器学习基础回顾监督学习
08
量化交易中的机器学习应用场景
价格预测 · 信号生成 · 风险控制
量化交易机器学习应用场景
09
特征选择与降维
过滤法 · 包裹法 · 嵌入法
特征选择降维
10
时间序列交叉验证
Walk-Forward验证 · 滚动窗口 · 扩展窗口
时间序列交叉验证Walk-Forward
11
线性模型在量化交易中的应用
线性回归 · 逻辑回归 · 岭回归
线性模型量化交易
12
树模型在量化交易中的应用
决策树 · 随机森林 · 梯度提升树（XGBoost
树模型量化交易
13
支持向量机与核方法
SVM在分类与回归中的应用 · 核函数选择 · 处理非线性金融数据
支持向量机核方法
14
神经网络基础
感知机 · 多层感知机 · 激活函数
神经网络基础感知机
15
深度学习在量化交易中的应用
LSTM · GRU · CNN在股价预测
深度学习量化交易
16
强化学习与量化交易
Q-learning · DQN · 策略梯度方法在自动交易决策中的应用与…
强化学习量化交易
17
集成学习与模型融合
Bagging · Boosting · Stacking
集成学习模型融合
18
交易信号生成与策略构建
将机器学习预测转化为可执行的交易信号 · 设置阈值 · 仓位管理与止损止盈
交易信号生成策略构建
19
回测系统设计与实现
回测框架（Backtrader · Zipline）的使用 · 考虑滑点
回测系统设计实现
20
策略评估与绩效分析
夏普比率 · 最大回撤 · 胜率
策略评估绩效分析
21
风险管理与资金管理
凯利公式 · 风险平价 · 波动率目标
风险管理资金管理
22
组合优化与资产配置
均值-方差优化 · Black-Litterman模型 · 机器学习在动态资产配置中的实践
组合优化资产配置
23
高频交易与机器学习
高频数据特征 · 订单簿预测 · 执行优化
高频交易机器学习
24
另类数据与NLP
新闻情感分析 · 社交媒体情绪 · 财报文本挖掘
NLP另类数据
25
机器学习量化策略实战案例一
基于LightGBM的多因子选股策略 · 从数据到回测的完整流程
机器学习量化策略…LightGBM
26
机器学习量化策略实战案例二
基于LSTM的股指期货日内趋势预测与…
机器学习量化策略…LSTM
27
机器学习量化策略实战案例三
基于强化学习的自动交易系统设计与模拟…
机器学习量化策略…基于强化学习的自…
28
常见问题与陷阱
数据泄漏 · 幸存者偏差 · 过拟合
常见问题陷阱
29
模型部署与实盘交易
将训练好的模型部署到实盘环境 · API对接 · 监控
模型部署实盘交易
30
综合提升与未来展望
课程总结 · 进阶学习资源 · 量化交易中的伦理与合规
综合提升未来展望