目录

●第1章 量化投资介绍与分析
1.1 量化投资的基本概念
1.2 量化投资的工具
第2章 量化分析环境
2.1 Anaconda介绍
2.2 基于Backtrader的量化分析
第3章 机器学习的量化分析
3.1 机器学习简介
3.2 量化分析数据采集
3.3 经典的技术分析指标
3.4 经典的机器学习方法
3.5 基于机器学习的技术分析
第4章 基于深度学习的量化分析
4.1 TensorFlow框架简介
4.2 TensorFlow框架
4.3 神经网络优化
4.4 全连接网络基础
4.5 卷积神经网络
4.6 循环神经网络
4.7 人工神经网络
第5章 量化投资策略案例分析
5.1 基于R-Breaker的量化分析
5.2 人工智能在量化投资中的典型应用分析
第6章 基于深度强化学习的量化分析
6.1 相关模型介绍
6.2 量化交易模型的评价指标
6.3 FinRL量化交易模型部署
6.4 基于CDP的股价预测
第7章 量化交易系统设计
7.1 基于SVR的股票系统
7.2 基于标准差计算股票预测
7.3 基于神经网络预测股票优选价格
第8章 经典策略及模型
8.1 双均线策略
8.2 小市值策略
8.3 均线回归策略
8.4 布林带策略
8.5 海龟交易策略
8.6 趋势跟踪模型
8.7 因子模型
8.8 多因子策略
8.9 套利策略
8.10 量价策略
8.11 配对交易策略
8.12 情绪分析策略
8.13 动量策略
8.14 事件驱动策略
8.15 波动性策略
8.16 时间序列策略
8.17 机器学习策略
8.18 日内回转策略
8.19 网格交易策略
8.20 止盈止损策略
8.21 开盘突破策略
8.22 量化选股策略
8.23 风险管理策略
8.24 高频交易策略
8.25 算法交易策略
8.26 成本平均策略
8.27 市场情绪策略
8.28 反转策略
8.29 成长型策略
8.30 品质型策略
8.31 对冲策略
8.32 期权策略
8.33 交易成本策略
8.34 择时策略
8.35 复合策略模型
8.36 行为金融模型
8.37 统计因子模型
8.38 行业轮动理论及其策略
8.39 市场中性Alpha策略
第9章 量化交易专题
9.1 量化数据处理
9.2 资金面分析
9.3 金融时间序列
9.4 基于MetaGPT的量化分析
第10章 基于国产量化平台的量化交易研究
10.1 基于单机版的量化交易研究
10.2 基于网络版的量化交易研究
第11章 强化学习在量化投资的实践应用
11.1 强化学习基本原理
11.2 马尔可夫决策过程
11.3 强化学习经典算法
11.4 强化学习在量化投资的实践应用
第12章 大模型（LLM）在量化投资的实践应用
12.1 大模型（LLM）概述
12.2 大模型使用技巧
12.3 大模型在量化投资的实践应用
第13章 总结和展望
13.1 量化分析在投资中的作用
13.2 量化分析的误区
13.3 量化分析的发展方向
参考文献