"《交易的密碼：用算法賺取第一桶金》圍繞“賺錢”這一核心訴求，分析交易及交易算法的各種思路、技巧，並在此基礎上梳理了各類交易模型的優劣及其適用場景。《交易的密碼：用算法賺取第一桶金》以實戰為導向，摒棄了高深的理論知識，沒有枯燥的數學公式，而是結合作者親身的實戰經驗和教訓，分析了用模型交易賺錢的關鍵要點和注意事項，相信每位讀者都會從中得到啟發。"

●第一章 交易模型與投資組合 1
第1節 建立底層交易邏輯 3
第2節 交易策略的發展 4
第3節 交易策略 6
第4節 回測 14
第5節 數據獲取 20
第6節 建立交易模型 23
第7節 交易的特征工程 30
第8節 投資組合優化 43
第二章 用機器學習預測股價 53
第1節 機器學習過程 55
第2節 回歸模型：從風險到回報 57
第3節 波動率預測與波動套利 61
第4節 使用決策樹追蹤趨勢 66
第5節 提升交易策略穩定性 71
第三章 交易的情緒 75
第1節 情緒分析原則 77節 情緒分析原則 77
第2節 如何構建情緒指標 81
第3節 基於詞向量與句向量的新聞分析 84
第4節 其他的情緒識別思路 88
第四章 用深度學習指導交易 89
第1節 基礎深度模型 91
第2節 LSTM 可以用來選股嗎 93
第3節 雙向LSTM 是否會更好 95
第4節 GRU 優化了什麼 96
第5節 集成的CNN 結構 98
第6節 關於選股模型的思考 104
第7節 選股模型改進 107
第8節 集成模型 122
第五章 在交易中應用強化學習 127
第1節 強化學習基礎框架 129
第2節 手動實現股票買賣的強化學習網絡 132
第3節 改進DQN 網絡 135
第4節 回合制還是持續式：Actor-Critic 137
第5節 稀疏獎勵：好奇心提高agent 對環境的可知性 138
第6節 神經網絡自動進化：Neuro-evolution 141
第7節 強化學習的框架選擇 144
第8節 設計一個符合交易繫統的獎勵 145
第9節 雙agent：選擇交易時機和交易價格 146
第10節 應用強化學習需要注意的事項 148
第六章 傳統的指標：神奇還是普通 151
第1節 斐波那契數列 152
第2節 ABCD 交易法 154
第3節 諧波模式 157
第4節 自動找出諧波模式 160
第七章 高頻交易 163
第1節 套利交易：魔鬼的價差 164
第2節 跳繩交易 166
第3節 網格交易：利用好每一次波動 167
第4節 搭建網格交易繫統 169
第5節 網格交易的常見問題與進階 172
第6節 高頻交易框架 173
第八章 問答集 177
第1節 預判性與跟隨性 178
第2節 有了算法後，還需要人工介入嗎 178
第3節 需要多大的資金規模 178
第4節 如何預測黑天鵝事件 179
第5節 什麼是指數增強 179
第6節 私募公司是如何開發策略的 180
第7節 是否要在機器學習模型中單獨區分行業 181
第8節 指數是否重要 181
第9節 追漲或打板 181
第10節 股票池篩選原則 182
第11節 如何設置機器學習的目標 182
第12節 如何建立分類任務：二分類還是多分類 183
第13節 如何確定長期、中期、短期的周期規律 183
第14節 如何研究對手盤 184
第15節 什麼是衝擊算法（下單算法） 185
第16節 如何利用大模型進行研報的分析判斷 187
第17節 傻瓜的故事 190
附錄A 192

傳統的股市技術分析書籍一般從圖表模式和技術指標出發，分析如何選擇進入點和退出點、開發交易繫統以及制定成功的交易計劃。近年來，機器學習與神經網絡技術快速發展，並且與傳統量化方法相結合，產生了無限的可能性。基於此趨勢，本書將重點放在交易模型的構建上，即如何尋找合適的算法來實現交易以及如何優化這些算法。本書直接從技術指標等數據出發，介紹了交易模型與投資組合優化方法、如何利用基礎算法（線性回歸、lightGBM）預測股市的漲跌與股價、利用消息面來預測市場情緒、利用深度學習和強化學習算法預測股票，以及如何進行套利交易和網格交易等。 本書適合對投資有興趣的人群閱讀。

吳岸城 著