利用機器學習開發(fā)算法交易系統(tǒng)

第 一部分
第　1 章 機器學習　1
1．1　機器 習定義　1
1．2　機器學習的優(yōu)缺點　3
1．2．1　機器學習的優(yōu)點　3
1．2．2　機器學習的缺點　4
1．3　機器學習的種類　4
1．3．1　監(jiān)督學習　5
1．3．2　無監(jiān)督學習　6
1．4　機器學習能做的事情　7
1．4．1　回歸　8
1．4．2　分類　10
1．4．3　聚類　12
1．5　機器學習算法　13
1．5．1　回歸　14
1．5．2　分類　15
1．5．3　聚類　15
1．6　機器學習的過程　16
1．6．1　第 一次預處理　16
1．6．2　訓練數(shù)據(jù)集　17
1．6．3　第二次預處理　17
目　錄
xvi　利用機器學習開發(fā)算法交易系統(tǒng)
1．6．4　機器學習算法學習　17
1．6．5　參數(shù)優(yōu)化　17
1．6．6　后期處理　17
1．6．7　最終模型　18
1．7　“沒有免費的午餐”定理　18
第二部分
第　2 章 統(tǒng)計　21
2．1　統(tǒng)計的定義　21
2．2　統(tǒng)計在機器學習中的重要性　22
2．3　統(tǒng)計的基本概念和術語　23
2．3．1　總體和樣本　23
2．3．2　參數(shù)和統(tǒng)計量　24
2．3．3　抽樣誤差　25
2．3．4　因變量和自變量　26
2．3．5　連續(xù)變量和離散變量　26
2．3．6　模型　27
2．4　準備事項　28
2．5　數(shù)據(jù)下載　29
2．6　數(shù)據(jù)加載　31
2．7　基礎統(tǒng)計　31
2．7．1　標準差　32
目　錄 xvii
2．7．2　四分位數(shù)　36
2．7．3　直方圖　37
2．7．4　正態(tài)分布　40
2．7．5　散點圖　41
2．7．6　箱形圖　44
第3　章 時間序列數(shù)據(jù)　49
3．1　時間序列數(shù)據(jù)　50
3．2　時間序列數(shù)據(jù)分析　51
3．3　時間序列數(shù)據(jù)的主要特征　52
3．4　隨機過程　54
3．5　平穩(wěn)時間序列數(shù)據(jù)　55
3．6　隨機過程中的期望值、方差和協(xié)方差　57
3．7　相關　59
3．8　自協(xié)方差　61
3．9　自相關　62
3．10　隨機游走　66
第二部分
第4　章 算法交易　69
4．1　算法交易簡介　69
xviii　利用機器學習開發(fā)算法交易系統(tǒng)
4．2　算法交易歷史上的那些人　72
4．2．1　愛德華·索普　72
4．2．2　詹姆斯·哈里斯·西蒙斯　74
4．2．3　肯尼斯·格里芬　76
4．3　算法交易模型　77
4．4　均值回歸模型　79
4．4．1　均值回歸檢驗　80
4．4．2　實現(xiàn)均值回歸模型　86
4．5　機器學習模型　89
4．5．1　特征選擇　90
4．5．2　是價格還是方向　91
4．6　分類模型　92
4．6．1　邏輯斯蒂回歸　92
4．6．2　決策樹和隨機森林　94
4．6．3　支持向量機　96
4．7　實現(xiàn)機器學習模型　97
4．7．1　數(shù)據(jù)集　98
4．7．2　拆分數(shù)據(jù)集　100
4．7．3　生成股價走勢預測變量　101
4．7．4　股價走勢預測變量的運行和評價　102
4．8　時間衰減效應　106
目　錄 xix
第5　章 實現(xiàn)算法交易系統(tǒng)　109
5．1　普通算法交易系統(tǒng)的構成　109
5．2　實現(xiàn)系統(tǒng)的概要　111
5．3　開發(fā)環(huán)境　113
5．4　數(shù)據(jù)爬蟲實現(xiàn)　113
5．4．1　收集股票代碼　114
5．4．2　收集股價數(shù)據(jù)　118
5．5　實現(xiàn)α 模型　121
5．5．1　均值回歸模型　122
5．5．2　機器學習模型　124
5．6　投資組合生成器　125
5．6．1　均值回歸模型的股票選擇　126
5．6．2　機器學習模型的股票選擇　130
5．7　實現(xiàn)Trader 類　136
第6　章 性能評價與優(yōu)化　137
6．1　算法交易系統(tǒng)的性能測試　138
6．1．1　評價系統(tǒng)的獲利能力　138
6．1．2　比較各實現(xiàn)模型　138
6．1．3　對系統(tǒng)的信心　139
6．2　回溯檢驗　140
6．2．1　Profit/Loss 檢驗　140
xx　利用機器學習開發(fā)算法交易系統(tǒng)
6．2．2　Hit Batio　141
6．2．3　Drawdown　143
6．2．4　Sharpe Ratio　145
6．3　機器學習性能測試　147
6．3．1　混淆矩陣　148
6．3．2　Classification Report　150
6．3．3　ROC　152
6．4　實時交易監(jiān)控　158
6．5　參數(shù)優(yōu)化　159
6．6　超參數(shù)優(yōu)化　160
6．6．1　網(wǎng)格搜索　161
6．6．2　隨機搜索　164
6．7　“黑天鵝”　167
后記　171