把机器学习真正接到交易上:做策略、搭回测、识别回测偏差。
课程介绍
以 Jansen《Machine Learning for Algorithmic Trading》为主线,是工程线第一处真正碰金融内容的地方:因子构建、组合基础、回测框架,并反复演示前视/幸存者/过拟合等回测偏差的成因与规避。
学完你能
- 搭建因子流水线与向量化回测框架
- 识别并规避前视、幸存者、过拟合等回测陷阱
- 做出可评估的量化策略雏形
与其他课程的关系
- 前序:机器学习
- 后续:qlib 源码解剖;横切金融 因子投资/主动组合管理
- 关联:与 因子投资/基本面量化投资/主动组合管理 交汇——同一批东西,ML4T 给实现、金融给判断
- 总纲:量化投资学习路径图;本分支:量化工程能力知识图谱与学习路线
参考资料
- 教材:Stefan Jansen《Machine Learning for Algorithmic Trading》(2nd)
- 配套代码:每讲配可运行的真实代码,见下方课程目录
在体系中的位置
| 量化金融能力(金融线) | 量化工程能力(工程线) |
|---|---|
| ⑤ RM · EX | ⑤ RD-Agent |
| ④ ER · AM · IR · FR | ④ MLflow |
| ③ QF | ③ qlib |
| ② FI · QI · AP | ② ML · ML4T ←你在这里 |
| ① INV · MB | ① Pandas · OOP4 |
课程目录
- 第01讲_ML在交易中_从想法到执行
- 第02讲_市场与基本面数据
- 第03讲_另类数据_类别与用例
- 第04讲_alpha因子研究_从数据到信号
- 第05讲_用Alphalens评估因子
- 第06讲_组合优化与绩效评估
- 第07讲_机器学习流程与金融交叉验证
- 第08讲_线性模型_风险因子与收益预测
- 第09讲_回测引擎_手搓向量化回测与陷阱
- 第10讲_用Zipline回测ML信号
- 第11讲_时序模型_平稳性ARIMA与GARCH
- 第12讲_协整与配对交易
- 第13讲_贝叶斯机器学习_动态夏普比与配对交易
- 第14讲_随机森林多空策略
- 第15讲_梯度提升策略与SHAP解释
- 第16讲_无监督学习_风险因子与HRP
- 第17讲_文本数据与情感分析
- 第18讲_主题建模
- 第19讲_词向量_财报电话会与SEC文件
- 第20讲_深度学习交易入门
- 第21讲_CNN金融时序与图像
- 第22讲_RNN多元时序与情感
- 第23讲_自编码器与条件风险因子
- 第24讲_GAN合成时序数据
- 第25讲_深度强化学习交易智能体
- 第26讲_总结与alpha因子库