人工智能的新突破每天都成为头条新闻。在金融领域，因其具有深厚历史、清楚明了和结构化数据，机器学习广泛运用。最终，金融领域成为了“学习机器”的一个早期标志，在这个领域取得的巨大成功还在继续。下一步需要可以通过API递交免佣金交易的交易平台。这一步会用到Alp

算法交易是使用计算机算法自动做出交易决策，提交指令并在提交后管理那些指令。算法交易系统最好使用由三个组件组成的简单概念架构来理解，这些组件处理算法交易系统的不同方面，即数据处理程序、策略处理程序和交易执行处理程序。这些组件与上述算法交易的定义一一映射。在今

最近，我开发了一个加密货币自动交易系统。因为有科研和软件工程方面的背景，我忽略了那些不是很科学的东西，比如市场营销。经过多次迭代，我开发的 ML 交易系统，在 12 个月内把 5 千美元的投资变成了 20 万，最好的战绩是连续 4 个月不亏损。虽然在一天的

本文旨在展示如何用马科维茨的投资组合优化法和现代资产组合理论来生成交易策略。如前所述，将使用zipline框架对它们进行回测。1952年，哈里·马科维茨发表了“投资组合理论”，其中介绍了现名为现代资产组合理论的投资理论。一个多月来，X的价格急剧上升，而Y的

本文约4200字，建议阅读14分钟。本文将基于机器学习运用Python对欧洲碳排放证书市场建立算法交易框架。在金融领域，机器学习的广泛运用和强大的应用，客户们并不了解。在一个完全有效的排放交易市场中，许可证的均衡价格将以最终减排单位的边际减排成本为基础，以

有没有想过如何将您的机器学习/数据科学技能应用于算法交易？如果您已经了解Python和数据科学的基本统计原理，那么您已经走在了前面。将机器学习模型转换为交易算法非常简单，只要您知道在这些环境中数据是如何处理和执行的。让我们看一下超级基本的机器学习模型。se

与直接面向客户相比，机器学习在金融领域的应用鲜为人知。事实上，几乎没有哪个行业像金融业那样有那样多干净的、结构化的数据，这也是金融业成为机器学习"宠儿"的原因。大约三年前，作者参与开发了机器学习模型用于能源市场的价格预测和算法交易，特别

Pandas是专为数据“冲突”设计的，它可以高效地导入和清洗时间序列数据。NumPy/SciPy在底层运行，使得系统被很好的优化。scikit-learn可让我们将机器学习技术应用到我们的策略中，以进一步提高性能。现在，我们已经下载了Ubuntu ，接下来

在这篇文章中，我们将重点关注bars：它们有什么问题？如何正确地处理以用于机器学习模型？在重新认识bars之后，你会发现几种从bars构建输入和输出的新方法。我们将会以统计和试验的方式来进行比较。我们习惯用所谓的“蜡烛图”来表示特定时间段的开盘价，最高价，

我们想从零实现只基于深度学习模型的交易系统，对于在研究过程中我们遇到的任何问题我们都将采用不同类型的人工神经网络来解决，同时也会检验它们在处理这些问题的效果到底如何。这部分中，我们不准备使用任何特征工程。而只考虑S&P500指数价格变化的历