更新时间：2022-12-01 19:15:17
封面
版权信息
版权声明
内容提要
作者简介
审稿人简介
前言
资源与支持
第1部分 基础知识和环境配置
第1章 算法交易的基础原理
1.1 为什么要交易
1.2 有关现代交易的基本概念
1.3 了解算法交易概念
1.4 从直觉到算法交易
1.5 算法交易系统的组成部分
1.6 为什么选择Python
1.7 总结
第2部分 交易信息生成与交易策略
第2章 通过技术分析解读市场
2.1 基于趋势和动量指标设计交易策略
2.2 基于基本技术分析创建交易信号
2.3 在交易工具中贯彻高级概念，如季节性
2.4 总结
第3章 通过基础机器学习预测市场
3.1 了解术语和符号
3.2 使用线性回归方法创建预测模型
3.3 使用线性分类方法创建预测模型
3.4 总结
第3部分 算法交易策略
第4章 人类直觉驱动的经典交易策略
4.1 创建基于动量和趋势跟踪的交易策略
4.2 创建适用于具有回归行为的交易策略
4.3 创建在线性相关的交易工具组上操作的交易策略
4.4 总结
第5章 复杂的算法策略
5.1 创建根据交易工具的波动性进行调整的交易策略
5.2 制定经济事件的交易策略
5.3 实施基本的统计套利交易策略
5.4 总结
第6章 管理算法策略中的风险
6.1 区分风险类型和风险因素
6.2 区分风险措施
6.3 制定风险管理算法
6.4 总结
第4部分 建立交易系统
第7章 用Python构建交易系统
7.1 了解交易系统
7.2 构建交易系统
7.3 设计限价订单簿
7.4 总结
第8章 连接到交易所
8.1 使交易系统可与交易所进行交易
8.2 审查通信API
8.3 接收价格更新
8.4 发送订单和接收市场响应
8.5 总结
第9章 在Python中创建回测器
9.1 学习如何构建回测器
9.2 学习如何选择正确的假设
9.3 评估时间价值
9.4 回测双移动平均线交易策略
9.5 总结
第5部分 算法交易的挑战
第10章 适应市场参与者和环境
10.1 回测器与实际市场的策略表现
10.2 算法交易的持续赢利能力
10.3 总结
后记
