ML4T · 第 1 章 机器学习与算法交易全景
文档摘要
ML4T · 第 1 章 机器学习与算法交易全景 章节摘要:本章属「入门篇」,讲清机器学习与算法交易(ML4T)的全景与方法论。先回答 ML4T 到底是什么——它不是单一模型,而是从数据采集、特征工程、模型训练、信号生成到回测评估的完整闭环;再展开从数据到决策的闭环,讲清楚每一步在做什么、为什么量化交易离不开这套流程;最后落到工程现实:用 Docker、conda 搭起可复现环境,装好 TA-Lib、Zipline 等核心依赖。本章共 3 节,无前置依赖,是全书的起点。 学习目标 阅读完本章,你应当能够: 说清 ML4T(Machine Learning for Trading) 的内涵与典型工作流。 描述从数据到决策的完整闭环:数据→因子→模型→信号→回测→评估。
ML4T · 第 1 章 机器学习与算法交易全景
章节摘要:本章属「入门篇」,讲清机器学习与算法交易(ML4T)的全景与方法论。先回答 ML4T 到底是什么——它不是单一模型,而是从数据采集、特征工程、模型训练、信号生成到回测评估的完整闭环;再展开从数据到决策的闭环,讲清楚每一步在做什么、为什么量化交易离不开这套流程;最后落到工程现实:用 Docker、conda 搭起可复现环境,装好 TA-Lib、Zipline 等核心依赖。本章共 3 节,无前置依赖,是全书的起点。
学习目标
阅读完本章,你应当能够:
- 说清 ML4T(Machine Learning for Trading) 的内涵与典型工作流。
- 描述从数据到决策的完整闭环:数据→因子→模型→信号→回测→评估。
- 用 Docker / conda 搭起可复现的 Python 环境,装好 TA-Lib、Zipline。
⚠️ 本章涉及环境搭建与策略回测,仅供学习研究,量化策略存在过拟合风险,历史回测不代表未来收益。
核心概念速览
ML4T 的本质,是把交易决策从「凭直觉」变成「数据驱动的可复现流程」。
子章节导航
01 ML4T 是什么
机器学习与算法交易的关系、ML4T 的能力边界与典型应用场景。
02 从数据到决策的闭环
数据采集、特征工程、模型训练、信号生成、回测、评估的端到端流程。
03 环境搭建 Docker conda TA-Lib Zipline
用 Docker 与 conda 搭建可复现环境,安装 TA-Lib、Zipline 等重依赖。
子章节之间的逻辑关系
本章第 01 节(是什么) ──► 第 02 节(闭环) ──► 第 03 节(环境) │ ▼ 下一章(第 2 章 市场与基本面数据)
前置知识与后续延伸
前置知识:
- 无前置依赖(全书起点)
后续延伸:
- 第 2 章市场与基本面数据是闭环的第一步「数据」
- 第 4 章 Alpha 因子研究与特征工程对应闭环中的「因子/特征」