問ChatGPT也不會的Python量化交易聖經：從分析到真實交易一本全會

Description

問ChatGPT也不會的Python量化交易聖經：從分析到真實交易一本全會

　　★國內金控現職量化交易研究人員傳授從量化分析到真實交易系統建置，一本書全學會
　　☆量化統計專家 + 程式交易員共同帶你使用 Python 攻略台股量化分析及自動交易
　　★問 ChatGPT 也無法得知的秘辛！量化交易研究人員帶你少走冤枉的量化交易研究之路

　　投資是一門藝術，有時候做正確的事情不一定會賺錢，做錯誤的事情也未必會賠錢，只有長期投資績效才見的到真章，但如果等到長期交易最終賠錢才發現自己在做錯誤的事情，那就失去了時間又賠了金錢，得不償失。

　　剛入量化投資這一行的人，很容易被高績效迷惑了，而忽略了自己的交易策略是否合理。我們作為相對的未來人，使用歷史數據來建構策略，很容易有意無意窺探到了未來資料，或者是過度擬合數據以及未盡詳盡的統計分析，導致我們誤以為尋找到了長期穩定可以產生超額報酬的交易策略。綜合上面所述，本書在技術上說明如何做量化分析、建構策略、AI 訓練市場數據及將一個策略架設排程每天去真實自動交易，另一大重點是，我們會在統計分析及建構策略的過程中，不斷向讀者說明如何避開建構出回測一條龍，上線一條蟲的策略。結合我們多年的量化研究及真實交易的經驗，透過一些特徵，我們可以避開錯誤的方式去建構策略，期待讀者在研究交易的路可以少走一點彎路。

　　我們在學習量化分析及真實交易的過程中，很有可能在前面幾年處處碰壁，甚至難以贏過大盤，但是我們深信有金融知識以及數學量化的基礎支持，不斷的學習，小心控制風險，終究有一天會研究有成，在長期績效中贏過大盤，我們透過本書，期望可以與讀者共同成長，並且我們留下了可以供讀者發問的地方，隨時可以共同探討量化及投資相關的議題。
 目錄第1章 股票財報的量化分析與研究
1.1 認識財報因子
►解析三大重要財報1
►取得財報因子資料
►常見的六大重要財報因子
1.2 透過Alphalens 評估因子
►如何使用 Alphalens
►解析 Alphalens 報表中五大分析結果
1.3 建立財報因子選股模型來挑選績優股
►建立單因子選股模型
►建立多因子選股模型
►靜態 / 動態選股模型
1.4 財報因子選股模型回測績效
►Backtrader 介紹
►Pyfolio 介紹
►Backtrader 因子模型回測結果
►Backtrader 因子模型回測結果 – 未交易的問題

第2章 股票價量的量化分析與研究
2.1 認識價量因子
►什麼是價量數據
►創建價量因子的常見手法
►四大類價量因子
2.2 快速產生多種價量因子
►TALIB 使用介紹
►開源的 Alphas-WorldQuant 101
►開源的 Alphas- 國泰君安 191
2.3 WorldQuant 101 Alphas 因子分析
2.4 台股操作更傾向反轉還是動能？

第3章 台指期的價量研究
3.1 台指期的資料處理- 分K 轉換
3.2 台指期在回測系統中如何設定?
3.3 台指期的策略研究
3.4 台股與台指期的結合- 對沖股票部位

第4章 AI 模型好用嗎？
4.1 前言
►任務目標的類型
►切分資料集
►低度擬合 vs 過度擬合
►AI 模型預測的任務五大步驟
4.2 機器學習在股價預測上的應用
►線性迴歸模型(Linear Regression Model)
►邏輯迴歸模型(Logistic Regression Model)
►決策樹模型(Decision Tree Model)
►隨機森林模型(Random Forest Model)
►XGBoost
4.3 深度學習在股價預測上的應用
►隨機種子(Random Seed) 設定
►數據載入和批量(Batch) 處理
►損失函式(Loss Function) 選擇
►優化器(Optimizer) 設定
►模型(Model) 架設
►訓練函式
►評估函式
4.4 強化學習在股價預測上的應用
►Environment 設置實作
►模型訓練實作
►模型推論實作
►多資產交易範例

第5章 該如何進行交易？
5.1 透過Backtrader 獲取交易訊號及串接下單API– 以股票為例
5.2 透過Backtrader 獲取交易訊號及串接下單API– 以期貨為例
5.3 Line Message API 進行交易推播
5.4 自建Airflow 排程環境
►Docker 簡介
►Airflow 簡介
►將股票策略加入 Airflow 排程中
►將期貨策略加入 Airflow 排程中
5.5 結語– 交易前請看
书名简译:问ChatGPT也不会的Python量化交易圣经：从分析到真实交易一本全会