交易的密码：用算法赚取第一桶金 pdf下载

本书围绕“赚钱”这一核心诉求，分析交易及交易算法的各种思路、技巧，并在此基础上梳理了各类交易模型的优劣及其适用场景。

本书以实战为导向，摒弃了高深的理论知识，没有枯燥的数学公式，而是结合作者亲身的实战经验和教训，分析了用模型交易赚钱的关键要点和注意事项，相信每位读者都会从中得到启发。

传统的股市技术分析书籍一般从图表模式和技术指标出发，分析如何选择进入点和退出点、开发交易系统以及制定成功的交易计划。近年来，机器学习与神经网络技术快速发展，并且与传统量化方法相结合，产生了无限的可能性。基于此趋势，本书将重点放在交易模型的构建上，即如何寻找合适的算法来实现交易以及如何优化这些算法。本书直接从技术指标等数据出发，介绍了交易模型与投资组合优化方法、如何利用基础算法（线性回归、lightGBM）预测股市的涨跌与股价、利用消息面来预测市场情绪、利用深度学习和强化学习算法预测股票走势，以及如何进行套利交易和网格交易等。

本书适合对投资有兴趣的人群阅读。

吴岸城（Arthur Wu），毕业于浙江大学计算机系。拥有18年企业级软件服务与大型电信增值业务软件研发经验，8年机器学习/深度学习研发及管理经验。曾在某大型公司担任技术管理人员，某创业公司任首席数据科学家。出版两本深度学习著作，申请了多项算法专利授权。

第一章 交易模型与投资组合 1

第1 节 建立底层交易逻辑 3

第2 节 交易策略的发展 4

第3 节 交易策略 6

第4 节 回测 14

第5 节 数据获取 20

第6 节 建立交易模型 23

第7 节 交易的特征工程 30

第8 节 投资组合优化 43

第二章 用机器学习预测股价 53

第1 节 机器学习过程 55

第2 节 回归模型：从风险到回报 57

第3 节 波动率预测与波动套利 61

第4 节 使用决策树追踪趋势 66

第5 节 提升交易策略稳定性 71

第三章 交易的情绪 75

第1 节 情绪分析原则 77节 情绪分析原则 77

第2 节 如何构建情绪指标 81

第3 节 基于词向量与句向量的新闻分析 84

第4 节 其他的情绪识别思路 88

第四章 用深度学习指导交易 89

第1 节 基础深度模型 91

第2 节 LSTM 可以用来选股吗 93

第3 节 双向LSTM 是否会更好 95

第4 节 GRU 优化了什么 96

第5 节 集成的CNN 结构 98

第6 节 关于选股模型的思考 104

第7 节 选股模型改进 107

第8 节 集成模型 122

第五章 在交易中应用强化学习 127

第1 节 强化学习基础框架 129

第2 节 手动实现股票买卖的强化学习网络 132

第3 节 改进DQN 网络 135

第4 节 回合制还是持续式：Actor-Critic 137

第5 节 稀疏奖励：好奇心提高agent 对环境的可知性 138

第6 节 神经网络自动进化：Neuro-evolution 141

第7 节 强化学习的框架选择 144

第8 节 设计一个符合交易系统的奖励 145

第9 节 双agent：选择交易时机和交易价格 146

第10 节 应用强化学习需要注意的事项 148

第六章 传统的指标：神奇还是普通 151

第1 节 斐波那契数列 152

第2 节 ABCD 交易法 154

第3 节 谐波模式 157

第4 节 自动找出谐波模式 160

第七章 高频交易 163

第1 节 套利交易：魔鬼的价差 164

第2 节 跳绳交易 166

第3 节 网格交易：利用好每一次波动 167

第4 节 搭建网格交易系统 169

第5 节 网格交易的常见问题与进阶 172

第6 节 高频交易框架 173

第八章 问答集 177

第1 节 预判性与跟随性 178

第2 节 有了算法后，还需要人工介入吗 178

第3 节 需要多大的资金规模 178

第4 节 如何预测黑天鹅事件 179

第5 节 什么是指数增强 179

第6 节 私募公司是如何开发策略的 180

第7 节 是否要在机器学习模型中单独区分行业 181

第8 节 指数是否重要 181

第9 节 追涨或打板 181

第10 节 股票池筛选原则 182

第11 节 如何设置机器学习的目标 182

第12 节 如何建立分类任务：二分类还是多分类 183

第13 节 如何确定长期、中期、短期的周期规律 183

第14 节 如何研究对手盘 184

第15 节 什么是冲击算法（下单算法） 185

第16 节 如何利用大模型进行研报的分析判断 187

第17 节 傻瓜的故事 190

附录A 192

如果可以预测股票走势，那该多么令人振奋，股市就成了自己的“提款机”，这对于

处在任何阶段的人来说，诱惑力都很大。出于赚钱的目的，我投入对股票市场或其他投

资标的的研究中，尽量只用机器学习或深度学习模型去选股、择时。在这个时期我走了

一些弯路：

开始阶段我是兴奋的，总是迷信新的算法结构，迷信算法能解决一切，只用深度学

习解决一切。刚开始时回测效果也相当好，但结果并不好，一直在找问题、找解决方案。

第二个阶段是迷茫时期，因为开始阶段的实盘效果不好，在这个阶段我几乎尝试了

各种方法。从最早的海龟交易法到因子选择，到α、β超额利润，甚至形态方法、趋势

方法等，可以说绝不放过任何一种方法，也没有放弃将它们与算法结合。

第三个阶段就是目前的阶段，在接触各个私募的不同算法思路后，我有两个发现：

一是大家的实盘都有涨有跌，当然有些私募实盘线很稳，而实盘稳定有可能是上了对冲

盘，在不考虑对冲的情况下，跑实盘最多6 个月，策略就开始不奏效或者收益开始降低；

二是大家慢慢抛弃了传统的因子理论、机器学习统计方法，并减少或者完全去除人工干

预，通过向纯粹的算法模型转型来解决问题。

在这个阶段，我重新梳理了目标，不再将精力花在调整优化模型上，而是从最终结

果出发最大化实盘的利润，比如进行中期预测，引入强化学习、高频交易概念，努力从

市场上一点点抠出利润。这个过程同时也是发现自己心态上的弱点的过程，虽然我不想

把整件事描述得很玄，但不管是直接进行实盘交易还是利用模型进行实盘交易，心态绝

对是影响发挥的重要因素。

世界上绝大部分市场均是博弈环境，在博弈环境中唯一不变的就是变化本身，而变

IV | 交易的密码：用算法赚取第一桶金

化的根源就在于多、空两种力量的互相制衡。

现在回到我为什么要写本书的问题上。刚开始只是想记录自己学习的步骤和目前的

进展，后来越写越感觉需要学习更多的知识。除了将这些知识融入书中，我也不停地反

思并渐渐补全了自己的交易思路。

虽然交易思路很重要，但本书还是将重点放在交易模型上，即如何实现交易模型，

如何寻找合适的算法来实现交易，如何优化这些算法。至于交易思路这种看起来“玄而

又玄”的东西，我认为更应该由交易者亲自去体悟，也就是在做的过程中体验、领会。

本书从内容上大致分为以下四个部分。

第一部分，即第一章，交易模型与投资组合。主要阐述交易策略。先介绍什么是交

易策略、交易策略的种类，再从交易策略出发，普及回测、数据获取的概念，并引申到

交易模型的概念。这就是现代量化交易的雏形，接下来分析量化交易的特征（特征工程

可以算是量化模型中最重要的部分了）。本章最后梳理了投资组合的优化方法，并给出了

部分代码。

第二部分介绍交易算法初级部分，包含第二章和第三章。第二章主要阐述如何用线

性回归、lightGBM 方法预测股价，其中还穿插了外汇市场上常用的波动率预测。第三章

比较特殊，阐述如何利用消息面来预测市场情绪，并根据市场情绪进一步判断股票市场。

第三部分是算法进阶的内容，包含第四章和第五章，主要阐述利用深度学习、强化

学习的算法预测股票。除了讲解算法的优缺点，还逐步分析了传统强化学习算法不利于

股票预测的缺陷——希望给大家提供一些思路，各类交易算法层出不穷，但思路变化的

可能性比较小。

第四部分的内容比较庞杂，包括第六章至第八章。第六章从斐波那契数列开始，给

出了股票形态上的分析。此分析完全脱离了深度学习算法。我个人并不排斥传统方式，

只要有用、能经受住检验的方法，我认为都需要学习。第七章从套利出发，介绍了套利

的特殊形态网格交易。由于网格交易有明显的缺陷，本章最后也提请读者注意和规避网

格的问题。第八章是问答集，汇总了我遇到的形形色色的问题，供读者参阅。

书中没有收录所有的交易方法，毕竟写一本工具书并非我的初衷。同时，自有代码

有产权归属问题，无法直接公开，因此本书所有的代码均来自公开代码（GitHub），或修

改自公开代码，特此说明以免不必要的误会。书中参考文献列表可扫封底二维码获取。

时间所限，书中肯定还有不成熟的地方，请大家批评指正。

谨以本书纪念我的父亲。