python自动交易脚本_Python机器学习与量化交易项目班 [从零搭建自动交易系统]

机器学习与量化交易项目班 [从零搭建自动交易系统]机器学习和程序化交易系统是目前量化交易的主流手段，这门课将会从零起步介绍量化交易的方方面面，并且手把手教你从零开始搭建一个能work、能run起来的事件驱动型的量化交易平台/自动交易系统，通过项目把相关知识点串起来，不但技能提升可更快，而且随着项目经验的增长，对于求职/跳槽涨薪也有极大的帮助。整个课程以项目为驱动，且给数据、给关键代码，将编程，数据分析和机器学习融入到一个统一的量化交易项目里去。上课语言这门课将会以python语言为主，搭建一个纯python的mini实验平台。虽然目前市面上已经存在了诸如quantopian等在线回测的服务，但是从零开始搭建一个五脏俱全的小平台，对深入理解整个流程，具有非常重要的意义。（回想一下学习程序语言的时候，我们会被要求写一个简单的解释器，写解释器的目的不是真正使用，而是深入理解）。此外，我们会利用python社区丰富的库，进行数据从提取到建模到执行的方法面面，和其他语言相比，python易于编程和维护，其简洁性亦有助于理解背后的ideas，基于此，本课程的主要语言是python。预备基础一定的Python数据分析基础适合人群数据科学工作者 从数据科学的角度：侧重如何用数据分析的办法玩量化交易 ，你将体会到数据科学所需要的方法面面（数据提取，数据清洗，数据建模，以及搭建平台）金融项目开发者 从项目的角度：会侧重搭建一个自动交易平台，迅速降低你的开发难度曲线，做到开发前心中有数。量化交易从业者 从量化的角度：如何用python玩机器学习和量化交易。机器学习/数据分析/量化交易爱好者 从求职的角度：我们将力图让你达到优秀实习生的所应当具备的经验水平(不会让你成为"大师"，但是可以让你对这个领域有很全面的理解，以及相应的实战经验）。主讲老师专注机器学习/人工智能，擅长解释机器学习中看似艰深晦涩的概念，熟悉模型背后的数学原理。曾工作于某知名私募的量化交易团队，参与高频交易中统计学习模型的开发。课堂上善于全程举例，所讲直达本质且不失生动有趣。常见Q&A1、这门课不能给你什么？这门课不会教你一夜致富的秘诀。和其他所谓“日进万金不是梦”，“早日实现财富自由”的量化交易速成班不同，我们不会教给你“无本万利”的老中医似的炒股良方。事实上，机器学习和量化交易是一门严肃的数据科学和项目实战的实践课程，所以我们坚决反对把量化交易如此包装和妖魔化。2、这门课能教给你什么？这门课的主要目的，是教会大家编写程序，通过建模，回测和风控，发现可盈利策略并将整个流程自动化。具体而言包括如下内容：A、如何利用统计学习的方式，对海量金融数据进行建模。包括：时间序列分析，机器学习模型在量化建模中的应用。B、传统交易策略和风控的开发方法，以及如何建立自己的可扩展的策略研究库。C、如何搭建自己的量化研究平台：包括数据库管理，回测，交易平台和工作自动化。简而言之，我们将会交给你端到端的量化交易流程，以及流程中的每一个实现环节。基于本课的内容，你将会对量化交易和自动交易有了一个地图式的了解，并可以有效的扩展今后的研究。知识和技巧是学不完的，这门课教给你的将是一个基础和框架，课后可以自如的进行有目的性的延伸。3. 课程的侧重点是什么？我们的方法基于实践：我们将会从零开始，一点一点教给大家如何组建一个蛮复杂的引擎的过程。为了便于理解，刚开始的引擎会非常简单，但是随着课程的深入，引擎内容亦逐渐丰富。这样做的目的是显而易见的：此种做法有助于初次编写复杂程序的同学更容易接受。另一方面，我们将会介绍机器学习模型如何被应用在量化建模中去。这里会侧重对模型本质的理解，有助于正确使用合适的统计学模型。（而不是当作一个黑箱）综上，授课内容会包含了很多的编程，和很多的数学：这也是一个quant所应当具备的基本素质。课程目录第1课 自动化交易综述知识点1： 课程内容综述，自动化／算法交易介绍，python在自动交易中的应用简介第2课 量化交易系统综述知识点1：回测，自动交易，策略建模，常见平台使用第3课 搭建自己的量化数据库知识点1：软件需求，数据获取方式，数据存储方式实战项目：金融数据的存储，读取第4课 用Python进行金融数据分析知识点1：数据清理与特征选择实战项目：pandas与金融数据分析第5课 策略建模综述知识点1：介绍量化交易中的策略建模流程及主要处理方式第6课 策略建模：基于机器学习的策略建模实战项目：基于机器学习的金融预测第7课 模型评估与风险控制知识点1：模型评估的一般流程和常用手段、与风险控制的原理和实现方法第8课 自动交易系统的搭建知识点1：基于事件驱动型的自动交易系统实战项目：手把手教你搭建自动交易系统（有作业，课后直接赠送一套自动交易系统，可自行定制、修改）第9课 量化策略的实现实战项目：将本学期的所有project融入到上节课的系统中去，尤其是将机器学习的策略模型与自动化交易系统耦合。第10课 策略优化与课程总结知识点1：如何进行模型选择与优化，课程回顾与展望：where to go from here..