fengzhuqiaoqiu的博客

我现在所做的工作，是为AI量化搭桥铺路，当前的技术路径中，实时数据获取免费、深度学习工具足够开放、并且代码完全开源，我希望能真正让大家使用较低的学习成本，就能开发属于自己的量化交易策略。

看海量化交易系统正式开源！

这篇文章我将着重介绍其中的历史数据获取功能，其他功能我将在后续系列文章中介绍。

基于miniQMT的量化交易平台

之前写到，目前我已经完成了数据下载、数据清洗和数据可视化三个模块的开发。期间一直有朋友问，毕竟通过该手段获取到的股市数据是免费的，且质量也不错。并且目前开发的清洗和可视化模块也能为数据分析预处理提供一些便利。这段时间我主要瞄向需要这个软件系统的朋友，为更加稳定和方便地使用，做了一些易用性的提升和功能完善，并且对于开通券商QMT的朋友开放此软件的使用。下边来讲一讲目前软件系统可以实现的功能，有需要的朋友在文末可以获取软件~

这篇开始正式介绍我开发的量化交易系统，量化交易的第一步就是获取历史数据，用于后续的数据处理、训练以及回测。

一晃三个多月时间过去了，十一前后股市突然爆火，行情也像过山车一样，笔者在其中靠直觉辗转腾挪，勉强落得个不赔不赚。此事也给我打了一针鸡血，加快了量化交易研究和系统开发进度。

在之前的一系列文章中，我介绍了包括EMD，EEMD，CEEMD，CEEMDAN，ICEEMDAN，EWT，VMD在内的一系列所谓“类EMD”的分解方法。同学们在使用过程中经常会需要对比这些算法的优劣，并在论文中加以呈现；也有一些同学想直接知道结论，究竟哪个方法最好呢？这篇文章就来回答这个问题，并且给出一系列的评价方法，方便大家使用，并且同样封装了极其易用的函数。

今天开始，我将一步步记录后续做量化交易的实现过程，既是对纷繁的思路的归纳梳理，也是为推动这项一个人的赚钱大业增加一些鞭策激励。读者朋友们如果有好的想法欢迎一起讨论~

这一篇我们讲CNN的多变量回归预测。是的，同样是傻瓜式的快速实现。本篇是之前MATLAB快速实现CNN多变量回归预测的姊妹篇。

​CNN也可以扩展到非图像领域使用，比如对一组一维数据，也是同样可以实现分类的。本篇文章是之前CNN分类的MATLAB实现那篇文章的姊妹篇，通过这篇文章，大家将会快速掌握使用pytorch框架进行CNN分类的编程方法，另外对于主体代码流程，我也做了傻瓜化使用的封装，方便大家使用。​

本文将介绍在Windows 10系统下搭建深度学习环境的完整过程，包括安装Anaconda、CUDA、NVIDIA显卡驱动以及Pytorch框架。后续本专栏的Python语言下的深度学习环境都以本篇搭建的为准。

上一篇我们讲了使用CNN进行分类的MATLAB代码。这一篇我们讲CNN的多变量回归预测。是的，同样是傻瓜式的快速实现。

在本文中，我们将介绍如何使用 MATLAB 中的 Convolutional Neural Network（CNN）进行分类任务。我们将使用 MATLAB 的 Deep Learning Toolbox 来创建、训练和评估 CNN。

网络上有着很多关于CNN入门的教程，但是总还是觉得缺少足够简易、直观、全面的文章，能让人通读下来酣畅淋漓，将CNN概念尽收囊中。本篇文章就想尝试一下，真正地带小白同学们轻松入门。这篇文章包含很多图片，为了花这些图笔者颇费了些功夫，认真看下来，相信你一定能有所收获。

按照本专栏的内容，我会带着大家从零开始逐渐实现对深度学习的全面了解和掌握。