量化交易研究

目录

 

第一节 参考文档

第二节 python编程

第三节.数学

第四节.金融工程

第五节.选股与交易策略

 

 

第一节 参考文档

https://blog.csdn.net/yyjava/article/details/82149891
https://blog.csdn.net/JDquant/article/details/77185969
https://blog.csdn.net/u011331731/article/details/78423818
http://www.programtrader.net
https://www.joinquant.com/post/3616?f=home&m=banner
http://cx.7hcn.com/
http://tushare.org/
https://github.com/vnpy/vnpy
https://bigquant.com/
https://uqer.datayes.com/
http://quant.10jqka.com.cn/platform/html/home.html
https://go.ctolib.com/article/wiki/82789
https://www.mql5.com/zh/docs
https://docs.mql4.com/cn
http://www.sfit.com.cn/5_2_DocumentDown.htm
https://zhuanlan.zhihu.com/p/24595731

<机器学习实战>

 

第二节 python编程

一.基础语法

参考

https://www.liaoxuefeng.com/wiki/0014316089557264a6b348958f449949df42a6d3a2e542c000

http://www.runoob.com/python/python-tutorial.html

更复杂,深度的计算机编程，参考

https://blog.csdn.net/feivirus/article/details/53847930

二.库-pandas

三.库-sqlalchemy

四.库-Numpy

五.库-tushare

财经数据接口 http://tushare.org/

 

第三节.数学

一.数学

参考https://blog.csdn.net/feivirus/article/details/86754298

主要分为代数学，几何学，分析学，计算数学，概率论与数理统计，运筹学六部分

二.数据挖掘

三.模式识别

(一).k-近邻算法

(二).决策树

(三).朴素贝叶斯

(四).Logistic回归

(五).AdaBoost元算法

(六).K-均值聚类算法

(七).Apriori算法

(八).FP-growth算法

三.智能计算

(一).遗传算法

(二).cnn

(二).svm

四.机器学习

 

第四节.金融工程

更复杂，深度的金融参考

https://blog.csdn.net/feivirus/article/details/83933251

 

第五节.选股与交易策略

一.Alpha交易

二.CTA交易

三.高频交易

四.统计套利