4天学会python机器学习与量化交易
python量化交易，通过量化交易的概念、框架、策略和打分法、回归法等基础知识的学习，并以模拟交易的方式实现，学习并掌握该技术
课程内容：
1. 量化交易介绍、框架以及策略
2. alpha与beta、多因子策略理论、流程及数据处理
3. 单因子有效性分析、多因子相关性及合成
4. 多因子选股策略-打分法、回归法，以及模拟交易、量化总结
课程出自：http://yun.itheima.com/course/546.html
视频选集
（14/53）
01_量化交易介绍
29:26
02_量化交易项目流程、做什么
11:43
03_回测框架介绍
06:17
04_策略运行过程介绍
03:19
05_策略运行过程介绍2
17:41
06_获取板块等、交易行情数据
32:38
07_获取财务数据与定时器
36:40
08_投资组合与交易
42:16
09_策略的收益指标
06:39
10_策略风险指标
17:56
11_案例：介绍
03:10
12_案例：实现简单的一个选股策略
36:38
13_总结
05:29
01_复习
02:38
02_alpha与beta和多因子策略介绍
37:27
03_案例：多因子的市值因子选股介绍
05:51
04_案例：多因子的市值因子选股演示
14:03
05_多因子策略流程、因子数据组成、去极值介绍
30:26
06_案例：分位数去极值与3倍中位数法去极值
32:57
07_案例：3sigma法去极值
10:53
08_因子数据的标准化处理
08:16
09_市值中性化处理介绍
20:59
10_案例：市值中性化实现以及回测选股结果
32:24
11_市值中性化结果总结分析
05:25
12_总结
08:08
01_复习
03:35
02_单因子有效性分析介绍
27:14
03_案例：因子暴露度与收益率相关性计算演示
21:23
04_IC分析实战：alphalens介绍、因子横截面数据准备
38:01
05_IC分析实战：价格时间获取、alphalens生成统一数据结构
12:44
06_IC分析实战：IC结果统计与研报分析阅读
24:07
07_收益率分析实战：单因子有效性打分筛选规则与单因子回测框架查看选股位置
40:54
08_分组因子筛选
03:48
09_分组统计结果讲解以及研报分析阅读
06:06
10_多因子相关性实战：计算相关性以及目的
08:54
11_多因子合成实战：PCA进行因子暴露值合成
16:00
12_每日复习
06:07
01_复习
02:55
-02_回测内容确定
07:23
03_打分法选股实战：分组打分
43:22
04_打分法选股实战：综合得分选股股票池(factor拼写错误)
10:28
05_打分法选股实战：回测结果分析
06:20
06_回归法选股实战：回归系数确定-每月末交易列表获取、因子数据获取
35:23
07_回归法选股实战：股票交易日列表价格数据获取、下一期收益率计算
25:03
08_回归法选股实战：股票因子特征值和股票下期收益率回归训练
18:36
09_回归法选股实战：回归系数确定步骤总结
06:05
10_模拟交易介绍(在3点半交易时间内，先介绍)
12:45
11_回归法选股实战：第二步利用回归系数选股-回测因子数据处理
25:44
12_回归法选股实战：第二步利用回归系数选股-回归计算预测股票收益率结果分析
22:50
13_两种选股方法总结
02:11
14_技术指标策略实践(了解)
09:39
15_量化系统架构介绍
21:49
16_量化总结
27:36
顶部