|
随着互联网技术的不断发展，许多传统行业（包括传统金融行业）也在不断地改变着自己的工作模式和流程，并且希望借助互联网技术得到进一步的发展。在金融行业中，股票交易是交易类型衍生品，如期权、期货交易无疑是受到冲击从而发生改变的。从算法交易之父托马斯·彼得斯，到如今依然活跃并常的量化投资之王西蒙斯，他们是最早的一批量化交易者，也是为整个金融行业指明方向的引导者。据统计，近年来自动化交易占据了美国股票市场60%以上的成交量。 量化交易从一开始出现就仿佛藏着神秘的面纱，特别是对于普通的投资者来说，有些人认为它就是像炼金术一样的存在，有了它就能拥有财富了。当然也有一些人认为它完全不靠谱，笔者研究量化交易多年，而且参与了大量的量化交易实战，从中积累了大量的心得体会，所以萌生了编写一本量化交易图书的想法，为读者揭开量化交易的神秘面纱。 本书分为4个部分来讲解量化交易的相关知识。
第1部分（第1章）着重讲解了量化交易的基础知识及其工具，如Python语言、NumPy、pandas、数据可视化及量化数学等知识，适合完全没有编程经验的读者从头开始阅读。书中每一章的示例也尽量穿插股票及其他衍生交易产品的投资知识和交易技巧，尽量为读者建立一套独有的知识体系结构，为读者在交易技术与量化技术之间搭建牢固的基础框架。 第2部分（第7~9章）着重讲解了使用量化系统回测交易策略及交易的度量等实战知识。对于有进阶需求的读者，则完整地讲解了整套量化回测系统搭建、选股开发的关键点及难点和资金管理的核心知识，以及更有针对策略地寻找最优参数及最优配置等知识。 第3部分（第10、11章）主要讲解了机器学习技术在量化交易中的应用。该部分内容从机器学习实战出发，同时结合大多数没有深度学习的读者阅读，着重阐述了基于机器学习技术对交易进行预测的可行性，以及正确的使用方法，即使用机器学习技术进行统计预测的概率。 附录给出了量化环境部署、量化相关性分析、量化统计分析及指标应用等内容。
特别需要提及的是，为了突出重点知识，减轻读者的阅读压力，本书在编写过程中通过故事的形式来讲解关键知识点。例如： 适合阅读本书的读者及建议如下： 有交易经验、对量化交易感兴趣、无任何编程经验的读者，需要多关注基础章节，加深对编程语言的理解及工具的使用； 有任何一门编程语言基础、无交易经验、对量化交易感兴趣的读者，需要多关注书中讲解的关于交易的知识及正确的交易认识； 有交易经验、有编程经验、对量化交易感兴趣的读者，需要多关注量化交易在交易技术和编程技术上的衔接点及书中的具体实例； 对量化交易本身不感兴趣，但对数据处理、机器学习技术感兴趣的读者，需要多关注技术基础章节和机器学习章节的内容。
| 
