第1章 AI工具入门
1.1 DeepSeek高效获取量化知识与代码
1.2 ChatGPT使用对比
1.3 其他常见AI大模型
1.4 如何利用AI学习量化交易
本章小结
第2章 利用DeepSeek快速获取量化知识
2.1 量化交易快速入门
2.1.1 量化交易与主观交易
2.1.2 如何选择量化平台
2.1.3 其他常见问题
2.2 初步了解经典量化交易策略
2.2.1 择时类策略
2.2.2 选股类策略
2.2.3 综合型策略
2.2.4 另类策略
2.3 如何利用DeepSeek开发实盘交易策略
2.3.1 熟悉实盘策略开发步骤
2.3.2 获取策略思路
2.3.3 生成策略代码
本章小结
第3章 Python金融数据处理及可视化
3.1 Python编程入门
3.1.1 利用AI写出第一个程序
3.1.2 Python编程环境安装与使用
3.1.3 相关Python库
3.2 Pandas金融数据处理示例
3.2.1 本地数据读取
3.2.2 修改列名
3.2.3 选择与切片
3.2.4 排序
3.2.5 连接与合并
3.2.6 遍历
3.2.7 分箱与切分
3.2.8 透视
3.2.9 分组
3.2.10 数据计算
3.2.11 时间处理
3.3 金融数据可视化
3.3.1 Matplotlib基础图表绘制
3.3.2 Seaborn统计图表绘制
3.3.3 Mplfinance静态K线图绘制
3.3.4 Plotly、Cufflinks动态K线图绘制
3.3.5 TA-Lib股票技术指标计算及可视化
3.4 AI数据处理综合案例
3.4.1 利用DeepSeek批量处理Excel表格
3.4.2 利用DeepSeek批量处理PDF文件
3.4.3 利用ChatGPT爬取基金产品数据
本章小结
第4章 利用AI辅助量化因子有效性分析
4.1 因子投资基础
4.1.1 常见量化因子
4.1.2 如何进行因子筛选
4.2 因子数据清洗与分析
4.2.1 因子数据清洗与概览
4.2.2 因子IC分析
4.2.3 分层回测分析
4.3 利用Alphalens快速验证因子有效性
4.3.1 利用Alphalens进行IC、分层回测分析
4.3.2 结果解读
本章小结
第5章 利用ChatGPT入门量化回测
5.1 利用ChatGPT获取量化回测基础知识
5.1.1 量化回测基本概念
5.1.2 常见量化回测平台对比及选择
5.2 利用ChatGPT生成量化回测示例代码
5.2.1 利用ChatGPT了解单因子选股策略思路
5.2.2 利用ChatGPT生成backtrader回测示例代码
5.2.3 利用ChatGPT进行代码解读
5.2.4 利用ChatGPT进行代码修改与完善
5.2.5 示例代码
5.3 利用backtrader进行单因子选股策略回测
5.3.1 如何获取真实回测数据
5.3.2 用真实数据进行策略回测
5.3.3 结果分析
5.3.4 实盘对接建议
本章小结
第6章 利用DeepSeek辅助量化实盘交易
6.1 量化实盘入门
6.1.1 量化实盘基础
6.1.2 市场主流实盘方案对比
6.2 利用DeepSeek辅助交易标的选择
6.2.1 利用DeepSeek辅助行情数据可视化
6.2.2 利用DeepSeek绘制K线图
6.2.3 利用相关性分析筛选交易标的
6.3 利用MiniQMT构建网格交易策略
6.3.1 利用DeepSeek了解网格交易策略
6.3.2 网格交易策略改进
6.3.3 实盘策略代码
6.3.4 策略拓展
本章小结
展开
