[{"data":1,"prerenderedAt":-1},["ShallowReactive",2],{"similar-grananqvist--Awesome-Quant-Machine-Learning-Trading":3,"tool-grananqvist--Awesome-Quant-Machine-Learning-Trading":61},[4,18,26,36,44,53],{"id":5,"name":6,"github_repo":7,"description_zh":8,"stars":9,"difficulty_score":10,"last_commit_at":11,"category_tags":12,"status":17},4358,"openclaw","openclaw\u002Fopenclaw","OpenClaw 是一款专为个人打造的本地化 AI 助手，旨在让你在自己的设备上拥有完全可控的智能伙伴。它打破了传统 AI 助手局限于特定网页或应用的束缚，能够直接接入你日常使用的各类通讯渠道，包括微信、WhatsApp、Telegram、Discord、iMessage 等数十种平台。无论你在哪个聊天软件中发送消息，OpenClaw 都能即时响应，甚至支持在 macOS、iOS 和 Android 设备上进行语音交互，并提供实时的画布渲染功能供你操控。\n\n这款工具主要解决了用户对数据隐私、响应速度以及“始终在线”体验的需求。通过将 AI 部署在本地，用户无需依赖云端服务即可享受快速、私密的智能辅助，真正实现了“你的数据，你做主”。其独特的技术亮点在于强大的网关架构，将控制平面与核心助手分离，确保跨平台通信的流畅性与扩展性。\n\nOpenClaw 非常适合希望构建个性化工作流的技术爱好者、开发者，以及注重隐私保护且不愿被单一生态绑定的普通用户。只要具备基础的终端操作能力（支持 macOS、Linux 及 Windows WSL2），即可通过简单的命令行引导完成部署。如果你渴望拥有一个懂你",349277,3,"2026-04-06T06:32:30",[13,14,15,16],"Agent","开发框架","图像","数据工具","ready",{"id":19,"name":20,"github_repo":21,"description_zh":22,"stars":23,"difficulty_score":10,"last_commit_at":24,"category_tags":25,"status":17},3808,"stable-diffusion-webui","AUTOMATIC1111\u002Fstable-diffusion-webui","stable-diffusion-webui 是一个基于 Gradio 构建的网页版操作界面，旨在让用户能够轻松地在本地运行和使用强大的 Stable Diffusion 图像生成模型。它解决了原始模型依赖命令行、操作门槛高且功能分散的痛点，将复杂的 AI 绘图流程整合进一个直观易用的图形化平台。\n\n无论是希望快速上手的普通创作者、需要精细控制画面细节的设计师，还是想要深入探索模型潜力的开发者与研究人员，都能从中获益。其核心亮点在于极高的功能丰富度：不仅支持文生图、图生图、局部重绘（Inpainting）和外绘（Outpainting）等基础模式，还独创了注意力机制调整、提示词矩阵、负向提示词以及“高清修复”等高级功能。此外，它内置了 GFPGAN 和 CodeFormer 等人脸修复工具，支持多种神经网络放大算法，并允许用户通过插件系统无限扩展能力。即使是显存有限的设备，stable-diffusion-webui 也提供了相应的优化选项，让高质量的 AI 艺术创作变得触手可及。",162132,"2026-04-05T11:01:52",[14,15,13],{"id":27,"name":28,"github_repo":29,"description_zh":30,"stars":31,"difficulty_score":32,"last_commit_at":33,"category_tags":34,"status":17},1381,"everything-claude-code","affaan-m\u002Feverything-claude-code","everything-claude-code 是一套专为 AI 编程助手（如 Claude Code、Codex、Cursor 等）打造的高性能优化系统。它不仅仅是一组配置文件，而是一个经过长期实战打磨的完整框架，旨在解决 AI 代理在实际开发中面临的效率低下、记忆丢失、安全隐患及缺乏持续学习能力等核心痛点。\n\n通过引入技能模块化、直觉增强、记忆持久化机制以及内置的安全扫描功能，everything-claude-code 能显著提升 AI 在复杂任务中的表现，帮助开发者构建更稳定、更智能的生产级 AI 代理。其独特的“研究优先”开发理念和针对 Token 消耗的优化策略，使得模型响应更快、成本更低，同时有效防御潜在的攻击向量。\n\n这套工具特别适合软件开发者、AI 研究人员以及希望深度定制 AI 工作流的技术团队使用。无论您是在构建大型代码库，还是需要 AI 协助进行安全审计与自动化测试，everything-claude-code 都能提供强大的底层支持。作为一个曾荣获 Anthropic 黑客大奖的开源项目，它融合了多语言支持与丰富的实战钩子（hooks），让 AI 真正成长为懂上",159636,2,"2026-04-17T23:33:34",[14,13,35],"语言模型",{"id":37,"name":38,"github_repo":39,"description_zh":40,"stars":41,"difficulty_score":32,"last_commit_at":42,"category_tags":43,"status":17},2271,"ComfyUI","Comfy-Org\u002FComfyUI","ComfyUI 是一款功能强大且高度模块化的视觉 AI 引擎，专为设计和执行复杂的 Stable Diffusion 图像生成流程而打造。它摒弃了传统的代码编写模式，采用直观的节点式流程图界面，让用户通过连接不同的功能模块即可构建个性化的生成管线。\n\n这一设计巧妙解决了高级 AI 绘图工作流配置复杂、灵活性不足的痛点。用户无需具备编程背景，也能自由组合模型、调整参数并实时预览效果，轻松实现从基础文生图到多步骤高清修复等各类复杂任务。ComfyUI 拥有极佳的兼容性，不仅支持 Windows、macOS 和 Linux 全平台，还广泛适配 NVIDIA、AMD、Intel 及苹果 Silicon 等多种硬件架构，并率先支持 SDXL、Flux、SD3 等前沿模型。\n\n无论是希望深入探索算法潜力的研究人员和开发者，还是追求极致创作自由度的设计师与资深 AI 绘画爱好者，ComfyUI 都能提供强大的支持。其独特的模块化架构允许社区不断扩展新功能，使其成为当前最灵活、生态最丰富的开源扩散模型工具之一，帮助用户将创意高效转化为现实。",108322,"2026-04-10T11:39:34",[14,15,13],{"id":45,"name":46,"github_repo":47,"description_zh":48,"stars":49,"difficulty_score":32,"last_commit_at":50,"category_tags":51,"status":17},6121,"gemini-cli","google-gemini\u002Fgemini-cli","gemini-cli 是一款由谷歌推出的开源 AI 命令行工具，它将强大的 Gemini 大模型能力直接集成到用户的终端环境中。对于习惯在命令行工作的开发者而言，它提供了一条从输入提示词到获取模型响应的最短路径，无需切换窗口即可享受智能辅助。\n\n这款工具主要解决了开发过程中频繁上下文切换的痛点，让用户能在熟悉的终端界面内直接完成代码理解、生成、调试以及自动化运维任务。无论是查询大型代码库、根据草图生成应用，还是执行复杂的 Git 操作，gemini-cli 都能通过自然语言指令高效处理。\n\n它特别适合广大软件工程师、DevOps 人员及技术研究人员使用。其核心亮点包括支持高达 100 万 token 的超长上下文窗口，具备出色的逻辑推理能力；内置 Google 搜索、文件操作及 Shell 命令执行等实用工具；更独特的是，它支持 MCP（模型上下文协议），允许用户灵活扩展自定义集成，连接如图像生成等外部能力。此外，个人谷歌账号即可享受免费的额度支持，且项目基于 Apache 2.0 协议完全开源，是提升终端工作效率的理想助手。",100752,"2026-04-10T01:20:03",[52,13,15,14],"插件",{"id":54,"name":55,"github_repo":56,"description_zh":57,"stars":58,"difficulty_score":32,"last_commit_at":59,"category_tags":60,"status":17},4721,"markitdown","microsoft\u002Fmarkitdown","MarkItDown 是一款由微软 AutoGen 团队打造的轻量级 Python 工具，专为将各类文件高效转换为 Markdown 格式而设计。它支持 PDF、Word、Excel、PPT、图片（含 OCR）、音频（含语音转录）、HTML 乃至 YouTube 链接等多种格式的解析，能够精准提取文档中的标题、列表、表格和链接等关键结构信息。\n\n在人工智能应用日益普及的今天，大语言模型（LLM）虽擅长处理文本，却难以直接读取复杂的二进制办公文档。MarkItDown 恰好解决了这一痛点，它将非结构化或半结构化的文件转化为模型“原生理解”且 Token 效率极高的 Markdown 格式，成为连接本地文件与 AI 分析 pipeline 的理想桥梁。此外，它还提供了 MCP（模型上下文协议）服务器，可无缝集成到 Claude Desktop 等 LLM 应用中。\n\n这款工具特别适合开发者、数据科学家及 AI 研究人员使用，尤其是那些需要构建文档检索增强生成（RAG）系统、进行批量文本分析或希望让 AI 助手直接“阅读”本地文件的用户。虽然生成的内容也具备一定可读性，但其核心优势在于为机器",93400,"2026-04-06T19:52:38",[52,14],{"id":62,"github_repo":63,"name":64,"description_en":65,"description_zh":66,"ai_summary_zh":66,"readme_en":67,"readme_zh":68,"quickstart_zh":69,"use_case_zh":70,"hero_image_url":71,"owner_login":72,"owner_name":73,"owner_avatar_url":74,"owner_bio":75,"owner_company":76,"owner_location":77,"owner_email":78,"owner_twitter":79,"owner_website":78,"owner_url":80,"languages":78,"stars":81,"forks":82,"last_commit_at":83,"license":78,"difficulty_score":84,"env_os":85,"env_gpu":86,"env_ram":86,"env_deps":87,"category_tags":90,"github_topics":91,"view_count":32,"oss_zip_url":78,"oss_zip_packed_at":78,"status":17,"created_at":100,"updated_at":101,"faqs":102,"releases":103},8946,"grananqvist\u002FAwesome-Quant-Machine-Learning-Trading","Awesome-Quant-Machine-Learning-Trading","Quant\u002FAlgorithm trading resources with an emphasis on Machine Learning","Awesome-Quant-Machine-Learning-Trading 是一个专注于机器学习在量化与算法交易领域应用的高质量资源合集。它旨在解决金融从业者在学习和实践中面临的资料分散、质量参差不齐的痛点，通过严格筛选，剔除了低质内容，为用户呈现经过验证的优质学习路径。\n\n该资源库非常适合量化分析师、金融数据科学家、算法交易开发者以及相关领域的研究人员使用。无论是希望入门的新手，还是寻求进阶策略的资深专家，都能从中找到有价值的参考。其核心亮点在于系统性地整理了从理论基础到实战应用的各类素材，包括 Marcos López de Prado 的《金融机器学习进展》等经典书籍、Udacity 和 Coursera 上的专业课程，以及关于深度学习预测股市的优质视频教程。特别值得一提的是，列表中标注星号的内容为作者亲自推荐的精华部分，帮助用户快速锁定最具价值的学习资料。如果你正致力于利用 Python 生态和先进算法设计智能投资策略，这份清单将是你不可或缺的案头指南。","# Awesome-Quant-Machine-Learning-Trading\nQuant\u002FAlgorithm trading resources with an emphasis on Machine Learning. \n\nI have excluded any kind of resources that I consider to be of low quality.  \n\n:star: - My favourites\n\n# Financial Machine Learning\n## Books\n\n* :star: Marcos López de Prado - Advances in Financial Machine Learning [[Link]](https:\u002F\u002Fwww.amazon.com\u002FAdvances-Financial-Machine-Learning-Marcos-ebook\u002Fdp\u002FB079KLDW21\u002Fref=sr_1_1?s=books&ie=UTF8&qid=1541717436&sr=1-1).\n* :star: Dr Howard B Bandy - Quantitative Technical Analysis: An integrated approach to trading system development and trading management [[Link]](https:\u002F\u002Fwww.amazon.com\u002FQuantitative-Technical-Analysis-integrated-development\u002Fdp\u002F0979183855\u002Fref=sr_1_1?s=books&ie=UTF8&qid=1541718134&sr=1-1)\n* Tony Guida - Big Data and Machine Learning in Quantitative Investment [[Link]](https:\u002F\u002Fwww.amazon.com\u002FMachine-Learning-Quantitative-Investment-Finance\u002Fdp\u002F1119522196\u002Fref=sr_1_1?s=books&ie=UTF8&qid=1541717791&sr=1-1)\n* :star: Michael Halls-Moore - Advanced Algorithmic Trading [[Link]](https:\u002F\u002Fwww.quantstart.com\u002Fadvanced-algorithmic-trading-ebook)\n* Jannes Klaas - Machine Learning for Finance: Data algorithms for the markets and deep learning from the ground up for financial experts and economics [[Link]](https:\u002F\u002Fwww.amazon.com\u002FMachine-Learning-Finance-algorithms-financial-ebook\u002Fdp\u002FB07BDK6LF9\u002Fref=sr_1_1?s=digital-text&ie=UTF8&qid=1541717605&sr=1-1)\n* Stefan Jansen - Hands-On Machine Learning for Algorithmic Trading: Design and implement smart investment strategies to analyze market behavior using the Python ecosystem [[Link]](https:\u002F\u002Fwww.amazon.com\u002FHands-Machine-Learning-Algorithmic-Trading-ebook\u002Fdp\u002FB07JLFH7C5\u002Fref=sr_1_1?s=digital-text&ie=UTF8&qid=1541717705&sr=1-1)\n* Ali N. Akansu et al. - Financial Signal Processing and Machine Learning [[Link]](https:\u002F\u002Fwww.amazon.com\u002FFinancial-Signal-Processing-Machine-Learning\u002Fdp\u002F1118745671\u002Fref=sr_1_1?s=books&ie=UTF8&qid=1541718070&sr=1-1)\n* David Aronson - Evidence-Based Technical Analysis: Applying the Scientific Method and Statistical Inference to Trading [[Link]](https:\u002F\u002Fwww.amazon.com\u002FEvidence-Based-Technical-Analysis-Scientific-Statistical\u002Fdp\u002F0470008741\u002Fref=sr_1_1?s=books&ie=UTF8&qid=1541974508&sr=1-1&keywords=david+aronson)\n* David Aronson - Statistically Sound Machine Learning for Algorithmic Trading of Financial Instruments [[Link]](https:\u002F\u002Fwww.amazon.com\u002FStatistically-Learning-Algorithmic-Financial-Instruments\u002Fdp\u002F148950771X\u002Fref=sr_1_3?s=books&ie=UTF8&qid=1541718293&sr=1-3)\n* Ernest P. Chan - Machine Trading: Deploying Computer Algorithms to Conquer the Markets [[Link]](https:\u002F\u002Fwww.amazon.co.uk\u002Fgp\u002Fproduct\u002F1119219604\u002Fref=as_li_qf_asin_il_tl?ie=UTF8&tag=startupanalyt-21&creative=24630&linkCode=as2&creativeASIN=1119219604&linkId=ce2ca9a67128675e3fcdc9ec9696e2c7)\n\n## Online series and courses\nThe selection of online courses for ML for trading is very poor in my opinion.  \n\n* Udacity, Georgia Tech - Machine Learning for Trading [[Link]](https:\u002F\u002Feu.udacity.com\u002Fcourse\u002Fmachine-learning-for-trading--ud501)\n* Udacity, WorldQuant - Artificial Intelligence for Trading [[Link]](https:\u002F\u002Feu.udacity.com\u002Fcourse\u002Fai-for-trading--nd880)\n\n* Coursera, NYU - Machine Learning and Reinforcement Learning in Finance Specialization (Weakly related to trading)\n  * Coursera, NYU - Guided Tour of Machine Learning in Finance [[Link]](https:\u002F\u002Fwww.coursera.org\u002Flearn\u002Fguided-tour-machine-learning-finance)\n  * Coursera, NYU - Fundamentals of Machine Learning in Finance [[Link]](https:\u002F\u002Fwww.coursera.org\u002Flearn\u002Ffundamentals-machine-learning-in-finance)\n  * Coursera, NYU - Reinforcement Learning in Finance [[Link]](https:\u002F\u002Fwww.coursera.org\u002Flearn\u002Freinforcement-learning-in-finance)\n  * Coursera, NYU - Overview of Advanced Methods for Reinforcement Learning in Finance [[Link]](https:\u002F\u002Fwww.coursera.org\u002Flearn\u002Fadvanced-methods-reinforcement-learning-finance)\n\n## Youtube videos\n* :star: Siraj Raval - Videos about stock market prediction using Deep Learning [[Link]](https:\u002F\u002Fwww.youtube.com\u002Fchannel\u002FUCWN3xxRkmTPmbKwht9FuE5A\u002Fsearch?query=trading)\n* QuantInsti Youtube - webinars about Machine Learning for trading [[Link]](https:\u002F\u002Fwww.youtube.com\u002Fuser\u002Fquantinsti\u002Fsearch?query=machine+learning)\n* :star: Quantopian - Webinars about Machine Learning for trading [[Link]](https:\u002F\u002Fwww.youtube.com\u002Fchannel\u002FUC606MUq45P3zFLa4VGKbxsg\u002Fsearch?query=machine+learning)\n* Sentdex - Machine Learning for Forex and Stock analysis and algorithmic trading [[Link]](https:\u002F\u002Fwww.youtube.com\u002Fwatch?v=v_L9jR8P-54&list=PLQVvvaa0QuDe6ZBtkCNWNUbdaBo2vA4RO)\n* Sentdex - Python programming for Finance (a few videos including Machine Learning) [[Link]](https:\u002F\u002Fwww.youtube.com\u002Fwatch?v=Z-5wNWgRJpk&index=9&list=PLQVvvaa0QuDcOdF96TBtRtuQksErCEBYZ)\n* QuantNews - Machine Learning for Algorithmic Trading 3 part series [[Link]](https:\u002F\u002Fwww.youtube.com\u002Fplaylist?list=PLHJACfjILJ-91qkw5YC83S6COKGscctzz)\n* :star: Howard Bandy - Machine Learning Trading System Development Webinar [[Link]](https:\u002F\u002Fwww.youtube.com\u002Fwatch?v=v729evhMpYk&t=1s)\n* Ernie Chan - Machine Learning for Quantitative Trading Webinar [[Link]](https:\u002F\u002Fwww.youtube.com\u002Fwatch?v=72aEDjwGMr8&t=1023s)\n* Hitoshi Harada, CTO at Alpaca - Deep Learning in Finance Talk [[Link]](https:\u002F\u002Fwww.youtube.com\u002Fwatch?v=FoQKCeDuPiY)\n* Prediction Machines - Deep Learning with Python in Finance Talk [[Link]](https:\u002F\u002Fwww.youtube.com\u002Fwatch?v=xvm-M-R2fZY)\n* Master Thesis presentation, Uni of Essex - Analyzing the Limit Order Book, A Deep Learning Approach [[Link]](https:\u002F\u002Fwww.youtube.com\u002Fwatch?v=qxSh2VFmRGw)\n* Tucker Balch - Applying Deep Reinforcement Learning to Trading [[Link]](https:\u002F\u002Fwww.youtube.com\u002Fwatch?v=Pka0DC_P17k)\n* Krish Naik - Machine learning tutorials and their Application in Stock Prediction [[Link]](https:\u002F\u002Fwww.youtube.com\u002Fwatch?v=H6du_pfuznE)\n## Blogs and content websites\n* :star: Quantstart - Machine Learning for Trading articles [[Link]](https:\u002F\u002Fwww.quantstart.com\u002Farticles)\n* :star: Quantopian - Lecture notebooks on ML-related statistics [[Link]](https:\u002F\u002Fwww.quantopian.com\u002Flectures)\n* :star: Quantopian - Tutorials and notebooks tagged with Machine Learning [[Link]](https:\u002F\u002Fwww.quantopian.com\u002Fposts\u002Ftag\u002Fmachine-learning\u002Fnewest?attachment=notebooks)\n* Synthical, an AI-powered collaborative environment for Research [[Link]](https:\u002F\u002Fsynthical.com\u002F)\n* AAA Quants, Tom Starke Blog [[Link]](http:\u002F\u002Faaaquants.com\u002Fcategory\u002Fblog\u002F)\n* RobotWealth, Kris Longmore Blog [[Link]](https:\u002F\u002Frobotwealth.com\u002Fblog\u002F)\n* Quantsportal, Jacques Joubert's Blog [[Link]](http:\u002F\u002Fwww.quantsportal.com\u002Fblog-page\u002F)\n* Blackarbs blog [[Link]](http:\u002F\u002Fwww.blackarbs.com\u002Fblog\u002F)\n* Hardikp, Hardik Patel blog [[Link]](https:\u002F\u002Fwww.hardikp.com\u002F)\n\n## Interviews\n* :star: Chat with Traders EP042 - Machine learning for algorithmic trading with Bert Mouler [[Link]](https:\u002F\u002Fwww.youtube.com\u002Fwatch?v=i8FNO8r7PaE)\n* :star: Chat with Traders EP142 - Algo trader using automation to bypass human flaws with Bert Mouler [[Link]](https:\u002F\u002Fwww.youtube.com\u002Fwatch?v=ofL66mh6Tw0)\n* Chat with Traders EP147 - Detective work leading to viable trading strategies with Tom Starke [[Link]](https:\u002F\u002Fwww.youtube.com\u002Fwatch?v=JjXw9Mda7eY)\n* :star: Chat with Traders Quantopian 5 - Good Uses of Machine Learning in Finance with Max Margenot [[Link]](https:\u002F\u002Fwww.youtube.com\u002Fwatch?v=Zj5sXWv9SDM)\n* Chat With Traders EP131 - Trading strategies, powered by machine learning with Morgan Slade [[Link]](https:\u002F\u002Fwww.youtube.com\u002Fwatch?v=EbWbeYu8zwg)\n* Better System Trader EP023 - Portfolio manager Michael Himmel talks AI and machine learning in trading [[Link]](https:\u002F\u002Fwww.youtube.com\u002Fwatch?v=9tZjeyhfG0g)\n* :star: Better System Trader EP028 - David Aronson shares research into indicators that identify Bull and Bear markets. [[Link]](https:\u002F\u002Fwww.youtube.com\u002Fwatch?v=Q4rV0Y9NokI)\n* Better System Trader EP082 - Machine Learning With Kris Longmore [[Link]](https:\u002F\u002Fwww.youtube.com\u002Fwatch?v=0syNgsd635M)\n* :star: Better System Trader EP064 - Cryptocurrencies and Machine Learning with Bert Mouler [[Link]](https:\u002F\u002Fwww.youtube.com\u002Fwatch?v=YgRTd4nLJoU)\n* Better System Trader EP090 - This quants’ approach to designing algo strategies with Michael Halls-Moore [[Link]](https:\u002F\u002Fchatwithtraders.com\u002Fep-090-michael-halls-moore\u002F)\n\n## Papers\n* :star: James Cumming - An Investigation into the Use of Reinforcement Learning Techniques within the Algorithmic Trading Domain [[Link]](http:\u002F\u002Fwww.doc.ic.ac.uk\u002Fteaching\u002Fdistinguished-projects\u002F2015\u002Fj.cumming.pdf)\n* :star: Marcos López de Prado - The 10 reasons most Machine Learning Funds fails [[Link]](http:\u002F\u002Fwww.smallake.kr\u002Fwp-content\u002Fuploads\u002F2018\u002F07\u002FSSRN-id3104816.pdf)\n* Zhuoran Xiong et al. - Practical Deep Reinforcement Learning Approach for Stock Trading [[Link]](https:\u002F\u002Farxiv.org\u002Fabs\u002F1811.07522)\n* Gordon Ritter - Machine Learning for Trading [[Link]](https:\u002F\u002Fpapers.ssrn.com\u002Fsol3\u002Fpapers.cfm?abstract_id=3015609)\n* J.B. Heaton et al. - Deep Learning for Finance: Deep Portfolios [[Link]](https:\u002F\u002Fpapers.ssrn.com\u002Fsol3\u002Fpapers.cfm?abstract_id=2838013)\n* Justin Sirignano et al. - Universal Features of Price Formation in Financial Markets: Perspectives From Deep Learning [[Link]](https:\u002F\u002Fpapers.ssrn.com\u002Fsol3\u002Fpapers.cfm?abstract_id=3141294)\n* Marcial Messmer - Deep Learning and the Cross-Section of Expected Returns [[Link]](https:\u002F\u002Fpapers.ssrn.com\u002Fsol3\u002Fpapers.cfm?abstract_id=3081555)\n* :star: Marcos Lopez de Prado - Ten Financial Applications of Machine Learning (Presentation Slides) [[Link]](https:\u002F\u002Fpapers.ssrn.com\u002Fsol3\u002Fpapers.cfm?abstract_id=3197726)\n* :star: Marcos Lopez de Prado - The Myth and Reality of Financial Machine Learning (Presentation Slides) [[Link]](https:\u002F\u002Fpapers.ssrn.com\u002Fsol3\u002Fpapers.cfm?abstract_id=3120557)\n* Artur Sepp - Machine Learning for Volatility Trading (Presentation Slides) [[Link]](https:\u002F\u002Fpapers.ssrn.com\u002Fsol3\u002Fpapers.cfm?abstract_id=3186401)\n* Marcos Lopez de Prado - Market Microstructure in the Age of Machine Learning [[Link]](https:\u002F\u002Fpapers.ssrn.com\u002Fsol3\u002Fpapers.cfm?abstract_id=3193702)\n* Jonathan Brogaard - Machine Learning and the Stock Market [[Link]](https:\u002F\u002Fpapers.ssrn.com\u002Fsol3\u002Fpapers.cfm?abstract_id=3233119)\n* Xinyao Qian - Financial Series Prediction: Comparison Between Precision of Time Series Models and Machine Learning Methods [[Link]](https:\u002F\u002Farxiv.org\u002Fpdf\u002F1706.00948.pdf)\n* Milan Fičura - Forecasting Foreign Exchange Rate Movements with k-Nearest-Neighbour, Ridge Regression and Feed-Forward Neural Networks [[Link]](https:\u002F\u002Fpapers.ssrn.com\u002Fsol3\u002Fpapers.cfm?abstract_id=2903547)\n* Samuel Edet - Recurrent Neural Networks in Forecasting S&P 500 Index [[Link]](https:\u002F\u002Fpapers.ssrn.com\u002Fsol3\u002Fpapers.cfm?abstract_id=3001046)\nAmin Hedayati et al. - Stock Market Index Prediction Using Artificial Neural Network [[Link]](https:\u002F\u002Fpapers.ssrn.com\u002Fsol3\u002Fpapers.cfm?abstract_id=3004032)\n* Jaydip Sen et al. - A Robust Predictive Model for Stock Price Forecasting [[Link]](https:\u002F\u002Fpapers.ssrn.com\u002Fsol3\u002Fpapers.cfm?abstract_id=3068204)\n*  O.B. Sezer et al. - An Artificial Neural Network-based Stock Trading System Using Technical Analysis and Big Data Framework [[Link]](https:\u002F\u002Fdl.acm.org\u002Fcitation.cfm?id=3077294)\n* Ritika Singh et al. - Stock prediction using deep learning [[Link]](https:\u002F\u002Flink.springer.com\u002Farticle\u002F10.1007\u002Fs11042-016-4159-7)\n* Thomas Fischera et al. - Deep learning with long short-term memory networks for financial market predictions [[Link]](https:\u002F\u002Fwww.econstor.eu\u002Fbitstream\u002F10419\u002F157808\u002F1\u002F886576210.pdf)\n* R.C.Cavalcante et al. - Computational Intelligence and Financial Markets: A Survey and Future Directions [[Link]](https:\u002F\u002Fwww.sciencedirect.com\u002Fscience\u002Farticle\u002Fpii\u002FS095741741630029X)\n* E. Chong et al. - Deep Learning Networks for Stock Market Analysis and Prediction: Methodology, Data Representations, and Case Studies [[Link]](http:\u002F\u002Fdro.dur.ac.uk\u002F21533\u002F1\u002F21533.pdf)\n* Chien Yi Huang - Financial Trading as a Game: A Deep Reinforcement Learning Approach [[Link]](https:\u002F\u002Farxiv.org\u002Fpdf\u002F1807.02787.pdf)\n* W. Bao et al. - A deep learning framework for financial time series using stacked autoencoders and longshort term memory [[Link]](https:\u002F\u002Fjournals.plos.org\u002Fplosone\u002Farticle\u002Ffile?id=10.1371\u002Fjournal.pone.0180944&type=printable)\n* Xingyu Zhou et al. - Stock Market Prediction on High-Frequency Data Using Generative Adversarial Nets [[Link]](http:\u002F\u002Fdownloads.hindawi.com\u002Fjournals\u002Fmpe\u002F2018\u002F4907423.pdf)\n* Fuli Feng et al. - Improving Stock Movement Prediction with Adversarial Training [[Link]](https:\u002F\u002Farxiv.org\u002Fpdf\u002F1810.09936.pdf)\n* Z. Zhao et al. - Time-Weighted LSTM Model with Redefined Labeling for Stock Trend Prediction [[Link]](https:\u002F\u002Fieeexplore.ieee.org\u002Fabstract\u002Fdocument\u002F8372087)\n* Arthur le Calvez, Dave Cliff - Deep Learning can Replicate Adaptive Traders in a Limit-Order-Book Financial Market [[Link]](https:\u002F\u002Farxiv.org\u002Fabs\u002F1811.02880)\n* Dang Lien Minh et al. - Deep Learning Approach for Short-Term Stock Trends Prediction Based on Two-Stream Gated Recurrent Unit Network [[Link]](https:\u002F\u002Fieeexplore.ieee.org\u002Fabstract\u002Fdocument\u002F8456512)\n* Yue Deng et al. - Deep Direct Reinforcement Learning for Financial Signal Representation and Trading [[Link]](http:\u002F\u002Fcslt.riit.tsinghua.edu.cn\u002Fmediawiki\u002Fimages\u002Fa\u002Faa\u002F07407387.pdf)\n* Xiao Zhong - A comprehensive cluster and classification mining procedure for daily stock market return forecasting [[Link]](https:\u002F\u002Fwww.sciencedirect.com\u002Fscience\u002Farticle\u002Fpii\u002FS0925231217310652)\n* J. Zhang et al. - A novel data-driven stock price trend prediction system [[Link]](https:\u002F\u002Fwww.sciencedirect.com\u002Fscience\u002Farticle\u002Fpii\u002FS0957417417308485)\n* Ehsan Hoseinzade et al. - CNNPred: CNN-based stock market prediction using several data sources [[Link]](https:\u002F\u002Farxiv.org\u002Fpdf\u002F1810.08923.pdf)\n* Hyejung Chung et al. - Genetic Algorithm-Optimized Long Short-Term Memory Network for Stock Market Prediction [[Link]](https:\u002F\u002Fwww.mdpi.com\u002F2071-1050\u002F10\u002F10\u002F3765\u002Fpdf)\n* Yujin Baek et al. - ModAugNet: A new forecasting framework for stock market index value with an overfitting prevention LSTM module and a prediction LSTM module [[Link]](https:\u002F\u002Fwww.sciencedirect.com\u002Fscience\u002Farticle\u002Fpii\u002FS0957417418304342)\n* Rajashree Dash et al. - A hybrid stock trading framework integrating technical analysis with machine learning techniques [[Link]](https:\u002F\u002Fwww.sciencedirect.com\u002Fscience\u002Farticle\u002Fpii\u002FS2405918815300179)\n* E.A. Gerlein et al. - Evaluating machine learning classification for financial trading: an empirical approach [[Link]](http:\u002F\u002Fnrl.northumbria.ac.uk\u002F34544\u002F1\u002FEvaluating%20machine%20learning.pdf)\n* Justin Sirignano - Deep Learning for Limit Order Books [[Link]](https:\u002F\u002Fpapers.ssrn.com\u002Fsol3\u002Fpapers.cfm?abstract_id=2710331)\n\n### Events & Sentiment trading\n* Frank Z. Xing et al. - Natural language based financial forecasting: a survey [[Link]](http:\u002F\u002Fsentic.net\u002Fnatural-language-based-financial-forecasting.pdf)\n* Ziniu Hu et al. - Listening to Chaotic Whispers: A Deep Learning Framework for News-oriented Stock Trend Prediction [[Link]](https:\u002F\u002Farxiv.org\u002Fabs\u002F1712.02136v1)\n* J.W. Leung, Master Thesis, MIT - Application of Machine Learning: Automated Trading Informed by Event Driven Data [[Link]](https:\u002F\u002Fdspace.mit.edu\u002Fbitstream\u002Fhandle\u002F1721.1\u002F105982\u002F965785890-MIT.pdf?sequence=1)\n* Xiao Ding et al. - Deep Learning for Event-Driven Stock Prediction [[Link]](http:\u002F\u002Fwww.aaai.org\u002Focs\u002Findex.php\u002FIJCAI\u002FIJCAI15\u002Fpaper\u002Fdownload\u002F11031\u002F10986)\n\n## Reinforcement Learning environments\n* :star: TradingGym [[Link]](https:\u002F\u002Fgithub.com\u002FYvictor\u002FTradingGym)\n* Trading-Gym [[Link]](https:\u002F\u002Fgithub.com\u002Fthedimlebowski\u002FTrading-Gym)\n* btym [[Link]](https:\u002F\u002Fgithub.com\u002FKismuz\u002Fbtgym)\n* TradzQAI [[Link]](https:\u002F\u002Fgithub.com\u002Fkkuette\u002FTradzQAI)\n\n## Code\n* QTradeX - A powerful and flexible Python framework for designing, backtesting, optimizing, and deploying algotrading bots [[Link]](https:\u002F\u002Fgithub.com\u002FsquidKid-deluxe\u002FQTradeX-Algo-Trading-SDK)\n* marketneutral - pairs trading with ML [[Link]](https:\u002F\u002Fgithub.com\u002Fmarketneutral\u002Fpairs-trading-with-ML)\n* BlackArbsCEO - Advances in Financial Machine Learning Exercises [[Link]](https:\u002F\u002Fgithub.com\u002FBlackArbsCEO\u002FAdv_Fin_ML_Exercises)\n* mlfinlab - Package for Advances in Financial Machine Learning [[Link]](https:\u002F\u002Fgithub.com\u002Fhudson-and-thames)\n* MachineLearningStocks - Using python and scikit-learn to make stock predictions [[Link]](https:\u002F\u002Fgithub.com\u002Frobertmartin8\u002FMachineLearningStocks)\n* AlphaAI - Use unsupervised and supervised learning to predict stocks [[Link]](https:\u002F\u002Fgithub.com\u002FVivekPa\u002FAlphaAI)\n* SGX-Full-OrderBook-Tick-Data-Trading-Strategy - Providing the solutions for high-frequency trading (HFT) strategies using ML [[Link]](https:\u002F\u002Fgithub.com\u002Frorysroes\u002FSGX-Full-OrderBook-Tick-Data-Trading-Strategy)\n* NeuralNetworkStocks - Using Python and keras to make stock predictions [[Link]](https:\u002F\u002Fgithub.com\u002FVivekPa\u002FNeuralNetworkStocks)\n* Stock-Price-Prediction-LSTM - OHLC Average Prediction of Apple Inc. Using LSTM Recurrent Neural Network [[Link]](https:\u002F\u002Fgithub.com\u002FNourozR\u002FStock-Price-Prediction-LSTM)\n* SravB - Algorithmic trading using machine learning [[Link]](https:\u002F\u002Fgithub.com\u002FSravB\u002FAlgorithmic-Trading)\n* Flow - High frequency AI based algorithmic trading module [[Link]](https:\u002F\u002Fgithub.com\u002Fyazanobeidi\u002Fflow)\n* timestocome - Test-stock-prediction-algorithms [[Link]](https:\u002F\u002Fgithub.com\u002Ftimestocome\u002FTest-stock-prediction-algorithms)\n* deepstock - Technical experimentations to beat the stock market using deep learning [[Link]](https:\u002F\u002Fgithub.com\u002Fkeon\u002Fdeepstock)\n* qtrader - Reinforcement Learning for Portfolio Management [[Link]](https:\u002F\u002Fgithub.com\u002Ffilangel\u002Fqtrader)\n* stockPredictor - Predict stock movement with Machine Learning and Deep Learning algorithms [[Link]](https:\u002F\u002Fgithub.com\u002FNazanin1369\u002FstockPredictor)\n* stock_market_reinforcement_learning - Stock market environment using OpenGym with Deep Q-learning and Policy Gradient [[Link]](https:\u002F\u002Fgithub.com\u002Fkh-kim\u002Fstock_market_reinforcement_learning)\n* deep-algotrading - deep learning techniques from regression to LSTM using financial data [[Link]](https:\u002F\u002Fgithub.com\u002FLiamConnell\u002Fdeep-algotrading)\n* deep_trader - Use reinforcement learning on stock market and agent tries to learn trading [[Link]](https:\u002F\u002Fgithub.com\u002Fdeependersingla\u002Fdeep_trader)\n* Deep-Trading - Algorithmic trading with deep learning experiments [[Link]](https:\u002F\u002Fgithub.com\u002FRachnog\u002FDeep-Trading)\n* Deep-Trading - Algorithmic Trading using RNN [[Link]](https:\u002F\u002Fgithub.com\u002Fha2emnomer\u002FDeep-Trading)\n* Multidimensional-LSTM-BitCoin-Time-Series - Using multidimensional LSTM neural networks to create a forecast for Bitcoin price [[Link]](https:\u002F\u002Fgithub.com\u002Fjaungiers\u002FMultidimensional-LSTM-BitCoin-Time-Series)\n* QLearning_Trading - Learning to trade under the reinforcement learning framework [[Link]](https:\u002F\u002Fgithub.com\u002Fucaiado\u002FQLearning_Trading)\n* Day-Trading-Application - Use deep learning to make accurate future stock return predictions [[Link]](https:\u002F\u002Fgithub.com\u002Fjbboltz123\u002FDay-Trading-Application)\n* bulbea - Deep Learning based Python Library for Stock Market Prediction and Modelling [[Link]](https:\u002F\u002Fgithub.com\u002Fachillesrasquinha\u002Fbulbea)\n* PGPortfolio - source code of \"A Deep Reinforcement Learning Framework for the Financial Portfolio Management Problem\" [[Link]](https:\u002F\u002Fgithub.com\u002FZhengyaoJiang\u002FPGPortfolio)\n* Thesis - Reinforcement Learning for Automated Trading [[Link]](https:\u002F\u002Fgithub.com\u002Fpnecchi\u002FThesis)\n* DQN - Reinforcement Learning for finance [[Link]](https:\u002F\u002Fgithub.com\u002Fjjakimoto\u002FDQN)\n* Deep-Trading-Agent - Deep Reinforcement Learning based Trading Agent for Bitcoin [[Link]](https:\u002F\u002Fgithub.com\u002Fsamre12\u002Fdeep-trading-agent)\n* deep_portfolio - Use Reinforcement Learning and Supervised learning to Optimize portfolio allocation [[Link]](https:\u002F\u002Fgithub.com\u002Fdeependersingla\u002Fdeep_portfolio)\n* Deep-Reinforcement-Learning-in-Stock-Trading - Using deep actor-critic model to learn best strategies in pair trading [[Link]](https:\u002F\u002Fgithub.com\u002Fshenyichen105\u002FDeep-Reinforcement-Learning-in-Stock-Trading)\n* Stock-Price-Prediction-LSTM - OHLC Average Prediction of Apple Inc. Using LSTM Recurrent Neural Network [[Link]](https:\u002F\u002Fgithub.com\u002FNourozR\u002FStock-Price-Prediction-LSTM)\n\n\n","# 令人惊叹的量化机器学习交易\n专注于机器学习的量化\u002F算法交易资源。\n\n我已排除任何我认为质量较低的资源。\n\n:star: - 我的最爱\n\n# 金融机器学习\n## 书籍\n\n* :star: 马科斯·洛佩斯·德·普拉多 - 金融机器学习进展 [[链接]](https:\u002F\u002Fwww.amazon.com\u002FAdvances-Financial-Machine-Learning-Marcos-ebook\u002Fdp\u002FB079KLDW21\u002Fref=sr_1_1?s=books&ie=UTF8&qid=1541717436&sr=1-1)。\n* :star: 霍华德·B·班迪博士 - 定量技术分析：交易系统开发与交易管理的综合方法 [[链接]](https:\u002F\u002Fwww.amazon.com\u002FQuantitative-Technical-Analysis-integrated-development\u002Fdp\u002F0979183855\u002Fref=sr_1_1?s=books&ie=UTF8&qid=1541718134&sr=1-1)\n* 托尼·圭达 - 量化投资中的大数据与机器学习 [[链接]](https:\u002F\u002Fwww.amazon.com\u002FMachine-Learning-Quantitative-Investment-Finance\u002Fdp\u002F1119522196\u002Fref=sr_1_1?s=books&ie=UTF8&qid=1541717791&sr=1-1)\n* :star: 迈克尔·霍尔斯-摩尔 - 高级算法交易 [[链接]](https:\u002F\u002Fwww.quantstart.com\u002Fadvanced-algorithmic-trading-ebook)\n* 扬内斯·克拉斯 - 金融机器学习：面向市场的数据算法及面向金融专家和经济学从业者的深度学习基础 [[链接]](https:\u002F\u002Fwww.amazon.com\u002FMachine-Learning-Finance-algorithms-financial-ebook\u002Fdp\u002FB07BDK6LF9\u002Fref=sr_1_1?s=digital-text&ie=UTF8&qid=1541717605&sr=1-1)\n* 斯特凡·扬森 - 算法交易中的实战机器学习：利用Python生态系统设计并实施智能投资策略以分析市场行为 [[链接]](https:\u002F\u002Fwww.amazon.com\u002FHands-Machine-Learning-Algorithmic-Trading-ebook\u002Fdp\u002FB07JLFH7C5\u002Fref=sr_1_1?s=digital-text&ie=UTF8&qid=1541717705&sr=1-1)\n* 阿里·N·阿坎苏等 - 金融信号处理与机器学习 [[链接]](https:\u002F\u002Fwww.amazon.com\u002FFinancial-Signal-Processing-Machine-Learning\u002Fdp\u002F1118745671\u002Fref=sr_1_1?s=books&ie=UTF8&qid=1541718070&sr=1-1)\n* 大卫·阿伦森 - 基于证据的技术分析：将科学方法与统计推断应用于交易 [[链接]](https:\u002F\u002Fwww.amazon.com\u002FEvidence-Based-Technical-Analysis-Scientific-Statistical\u002Fdp\u002F0470008741\u002Fref=sr_1_1?s=books&ie=UTF8&qid=1541974508&sr=1-1&keywords=david+aronson)\n* 大卫·阿伦森 - 用于金融工具算法交易的统计学上可靠的机器学习 [[链接]](https:\u002F\u002Fwww.amazon.com\u002FStatistically-Learning-Algorithmic-Financial-Instruments\u002Fdp\u002F148950771X\u002Fref=sr_1_3?s=books&ie=UTF8&qid=1541718293&sr=1-3)\n* 欧内斯特·P·陈 - 机器交易：部署计算机算法征服市场 [[链接]](https:\u002F\u002Fwww.amazon.co.uk\u002Fgp\u002Fproduct\u002F1119219604\u002Fref=as_li_qf_asin_il_tl?ie=UTF8&tag=startupanalyt-21&creative=24630&linkCode=as2&creativeASIN=1119219604&linkId=ce2ca9a67128675e3fcdc9ec9696e2c7)\n\n## 在线系列与课程\n在我看来，针对交易的机器学习在线课程选择非常有限。\n\n* Udacity、佐治亚理工学院 - 用于交易的机器学习 [[链接]](https:\u002F\u002Feu.udacity.com\u002Fcourse\u002Fmachine-learning-for-trading--ud501)\n* Udacity、WorldQuant - 用于交易的人工智能 [[链接]](https:\u002F\u002Feu.udacity.com\u002Fcourse\u002Fai-for-trading--nd880)\n\n* Coursera、纽约大学 - 金融领域的机器学习与强化学习专项课程（与交易关联较弱）\n  * Coursera、纽约大学 - 金融领域机器学习导览 [[链接]](https:\u002F\u002Fwww.coursera.org\u002Flearn\u002Fguided-tour-machine-learning-finance)\n  * Coursera、纽约大学 - 金融领域机器学习基础 [[链接]](https:\u002F\u002Fwww.coursera.org\u002Flearn\u002Ffundamentals-machine-learning-in-finance)\n  * Coursera、纽约大学 - 金融领域的强化学习 [[链接]](https:\u002F\u002Fwww.coursera.org\u002Flearn\u002Freinforcement-learning-in-finance)\n  * Coursera、纽约大学 - 金融领域强化学习高级方法概述 [[链接]](https:\u002F\u002Fwww.coursera.org\u002Flearn\u002Fadvanced-methods-reinforcement-learning-finance)\n\n## YouTube视频\n* :star: 西拉杰·拉瓦尔 - 关于使用深度学习进行股市预测的视频 [[链接]](https:\u002F\u002Fwww.youtube.com\u002Fchannel\u002FUCWN3xxRkmTPmbKwht9FuE5A\u002Fsearch?query=trading)\n* QuantInsti YouTube - 关于交易中机器学习的网络研讨会 [[链接]](https:\u002F\u002Fwww.youtube.com\u002Fuser\u002Fquantinsti\u002Fsearch?query=machine+learning)\n* :star: Quantopian - 关于交易中机器学习的网络研讨会 [[链接]](https:\u002F\u002Fwww.youtube.com\u002Fchannel\u002FUC606MUq45P3zFLa4VGKbxsg\u002Fsearch?query=machine+learning)\n* Sentdex - 用于外汇和股票分析以及算法交易的机器学习 [[链接]](https:\u002F\u002Fwww.youtube.com\u002Fwatch?v=v_L9jR8P-54&list=PLQVvvaa0QuDe6ZBtkCNWNUbdaBo2vA4RO)\n* Sentdex - 面向金融领域的Python编程（包含少量机器学习内容） [[链接]](https:\u002F\u002Fwww.youtube.com\u002Fwatch?v=Z-5wNWgRJpk&index=9&list=PLQVvvaa0QuDcOdF96TBtRtuQksErCEBYZ)\n* QuantNews - 算法交易中的机器学习三部曲 [[链接]](https:\u002F\u002Fwww.youtube.com\u002Fplaylist?list=PLHJACfjILJ-91qkw5YC83S6COKGscctzz)\n* :star: 霍华德·班迪 - 机器学习交易系统开发网络研讨会 [[链接]](https:\u002F\u002Fwww.youtube.com\u002Fwatch?v=v729evhMpYk&t=1s)\n* 欧内斯特·陈 - 量化交易中的机器学习网络研讨会 [[链接]](https:\u002F\u002Fwww.youtube.com\u002Fwatch?v=72aEDjwGMr8&t=1023s)\n* 日本Alpaca公司CTO原田仁史 - 金融领域的深度学习演讲 [[链接]](https:\u002F\u002Fwww.youtube.com\u002Fwatch?v=FoQKCeDuPiY)\n* Prediction Machines - 金融领域使用Python进行深度学习的演讲 [[链接]](https:\u002F\u002Fwww.youtube.com\u002Fwatch?v=xvm-M-R2fZY)\n* 埃塞克斯大学硕士论文答辩 - 分析限价订单簿：一种深度学习方法 [[链接]](https:\u002F\u002Fwww.youtube.com\u002Fwatch?v=qxSh2VFmRGw)\n* 塔克·巴尔奇 - 将深度强化学习应用于交易 [[链接]](https:\u002F\u002Fwww.youtube.com\u002Fwatch?v=Pka0DC_P17k)\n* 克里什·奈克 - 机器学习教程及其在股票预测中的应用 [[链接]](https:\u002F\u002Fwww.youtube.com\u002Fwatch?v=H6du_pfuznE)\n\n## 博客与内容网站\n* :star: Quantstart - 有关交易中机器学习的文章 [[链接]](https:\u002F\u002Fwww.quantstart.com\u002Farticles)\n* :star: Quantopian - 与机器学习相关的统计学讲座笔记 [[链接]](https:\u002F\u002Fwww.quantopian.com\u002Flectures)\n* :star: Quantopian - 标记为“机器学习”的教程和笔记本 [[链接]](https:\u002F\u002Fwww.quantopian.com\u002Fposts\u002Ftag\u002Fmachine-learning\u002Fnewest?attachment=notebooks)\n* Synthical，一个由人工智能驱动的研究协作平台 [[链接]](https:\u002F\u002Fsynthical.com\u002F)\n* AAA Quants，汤姆·斯塔克的博客 [[链接]](http:\u002F\u002Faaaquants.com\u002Fcategory\u002Fblog\u002F)\n* RobotWealth，克里斯·朗莫尔的博客 [[链接]](https:\u002F\u002Frobotwealth.com\u002Fblog\u002F)\n* Quantsportal，雅克·朱贝尔的博客 [[链接]](http:\u002F\u002Fwww.quantsportal.com\u002Fblog-page\u002F)\n* Blackarbs博客 [[链接]](http:\u002F\u002Fwww.blackarbs.com\u002Fblog\u002F)\n* Hardikp，哈迪克·帕特尔的博客 [[链接]](https:\u002F\u002Fwww.hardikp.com\u002F)\n\n## 访谈\n* :star: 与交易员对话 EP042 - 贝特·穆勒：机器学习在算法交易中的应用 [[链接]](https:\u002F\u002Fwww.youtube.com\u002Fwatch?v=i8FNO8r7PaE)\n* :star: 与交易员对话 EP142 - 贝特·穆勒：利用自动化克服人类弱点的算法交易者 [[链接]](https:\u002F\u002Fwww.youtube.com\u002Fwatch?v=ofL66mh6Tw0)\n* 与交易员对话 EP147 - 汤姆·施塔克：侦探式研究如何催生可行的交易策略 [[链接]](https:\u002F\u002Fwww.youtube.com\u002Fwatch?v=JjXw9Mda7eY)\n* :star: 与交易员对话 Quantopian 5 - 马克斯·马尔热诺：机器学习在金融领域的良好应用 [[链接]](https:\u002F\u002Fwww.youtube.com\u002Fwatch?v=Zj5sXWv9SDM)\n* 与交易员对话 EP131 - 摩根·斯莱德：机器学习驱动的交易策略 [[链接]](https:\u002F\u002Fwww.youtube.com\u002Fwatch?v=EbWbeYu8zwg)\n* 更好的系统交易员 EP023 - 投资组合经理迈克尔·希梅尔谈人工智能与机器学习在交易中的应用 [[链接]](https:\u002F\u002Fwww.youtube.com\u002Fwatch?v=9tZjeyhfG0g)\n* :star: 更好的系统交易员 EP028 - 大卫·阿伦森分享关于识别牛市与熊市指标的研究 [[链接]](https:\u002F\u002Fwww.youtube.com\u002Fwatch?v=Q4rV0Y9NokI)\n* 更好的系统交易员 EP082 - 克里斯·朗莫尔谈机器学习 [[链接]](https:\u002F\u002Fwww.youtube.com\u002Fwatch?v=0syNgsd635M)\n* :star: 更好的系统交易员 EP064 - 贝特·穆勒：加密货币与机器学习 [[链接]](https:\u002F\u002Fwww.youtube.com\u002Fwatch?v=YgRTd4nLJoU)\n* 更好的系统交易员 EP090 - 迈克尔·霍尔斯-摩尔分享量化团队设计算法策略的方法 [[链接]](https:\u002F\u002Fchatwithtraders.com\u002Fep-090-michael-halls-moore\u002F)\n\n## 论文\n* :star: 詹姆斯·卡明——算法交易领域中强化学习技术应用的研究 [[链接]](http:\u002F\u002Fwww.doc.ic.ac.uk\u002Fteaching\u002Fdistinguished-projects\u002F2015\u002Fj.cumming.pdf)\n* :star: 马科斯·洛佩斯·德·普拉多——大多数机器学习基金失败的十个原因 [[链接]](http:\u002F\u002Fwww.smallake.kr\u002Fwp-content\u002Fuploads\u002F2018\u002F07\u002FSSRN-id3104816.pdf)\n* 熊卓然等——股票交易的实用深度强化学习方法 [[链接]](https:\u002F\u002Farxiv.org\u002Fabs\u002F1811.07522)\n* 戈登·里特——用于交易的机器学习 [[链接]](https:\u002F\u002Fpapers.ssrn.com\u002Fsol3\u002Fpapers.cfm?abstract_id=3015609)\n* J.B.希顿等——金融领域的深度学习：深度投资组合 [[链接]](https:\u002F\u002Fpapers.ssrn.com\u002Fsol3\u002Fpapers.cfm?abstract_id=2838013)\n* 贾斯汀·西里尼亚诺等——金融市场中价格形成的一般特征：来自深度学习的视角 [[链接]](https:\u002F\u002Fpapers.ssrn.com\u002Fsol3\u002Fpapers.cfm?abstract_id=3141294)\n* 马尔西亚尔·梅斯默——深度学习与预期收益率的横截面关系 [[链接]](https:\u002F\u002Fpapers.ssrn.com\u002Fsol3\u002Fpapers.cfm?abstract_id=3081555)\n* :star: 马科斯·洛佩斯·德·普拉多——机器学习的十大金融应用（演示文稿） [[链接]](https:\u002F\u002Fpapers.ssrn.com\u002Fsol3\u002Fpapers.cfm?abstract_id=3197726)\n* :star: 马科斯·洛佩斯·德·普拉多——金融机器学习的神话与现实（演示文稿） [[链接]](https:\u002F\u002Fpapers.ssrn.com\u002Fsol3\u002Fpapers.cfm?abstract_id=3120557)\n* 阿图尔·塞普——波动率交易中的机器学习（演示文稿） [[链接]](https:\u002F\u002Fpapers.ssrn.com\u002Fsol3\u002Fpapers.cfm?abstract_id=3186401)\n* 马科斯·洛佩斯·德·普拉多——机器学习时代的市场微观结构 [[链接]](https:\u002F\u002Fpapers.ssrn.com\u002Fsol3\u002Fpapers.cfm?abstract_id=3193702)\n* 乔纳森·布罗加德——机器学习与股票市场 [[链接]](https:\u002F\u002Fpapers.ssrn.com\u002Fsol3\u002Fpapers.cfm?abstract_id=3233119)\n* 钱新尧——金融序列预测：时间序列模型与机器学习方法精度的比较 [[链接]](https:\u002F\u002Farxiv.org\u002Fpdf\u002F1706.00948.pdf)\n* 米兰·菲丘拉——利用k近邻、岭回归和前馈神经网络预测外汇汇率变动 [[链接]](https:\u002F\u002Fpapers.ssrn.com\u002Fsol3\u002Fpapers.cfm?abstract_id=2903547)\n* 塞缪尔·埃德特——递归神经网络在预测标普500指数中的应用 [[链接]](https:\u002F\u002Fpapers.ssrn.com\u002Fsol3\u002Fpapers.cfm?abstract_id=3001046)\n* 阿敏·赫达亚蒂等——基于人工神经网络的股市指数预测 [[链接]](https:\u002F\u002Fpapers.ssrn.com\u002Fsol3\u002Fpapers.cfm?abstract_id=3004032)\n* 杰伊迪普·森等——一种稳健的股票价格预测模型 [[链接]](https:\u002F\u002Fpapers.ssrn.com\u002Fsol3\u002Fpapers.cfm?abstract_id=3068204)\n* O.B.塞泽尔等——基于人工神经网络、技术分析和大数据框架的股票交易系统 [[链接]](https:\u002F\u002Fdl.acm.org\u002Fcitation.cfm?id=3077294)\n* 丽提卡·辛格等——利用深度学习进行股票预测 [[链接]](https:\u002F\u002Flink.springer.com\u002Farticle\u002F10.1007\u002Fs11042-016-4159-7)\n* 托马斯·菲舍拉等——使用长短期记忆网络进行金融市场预测的深度学习 [[链接]](https:\u002F\u002Fwww.econstor.eu\u002Fbitstream\u002F10419\u002F157808\u002F1\u002F886576210.pdf)\n* R.C.卡瓦尔坎特等——计算智能与金融市场：综述及未来方向 [[链接]](https:\u002F\u002Fwww.sciencedirect.com\u002Fscience\u002Farticle\u002Fpii\u002FS095741741630029X)\n* E.钟等——用于股市分析与预测的深度学习网络：方法论、数据表示及案例研究 [[链接]](http:\u002F\u002Fdro.dur.ac.uk\u002F21533\u002F1\u002F21533.pdf)\n* 黄建义——将金融交易视为游戏：一种深度强化学习方法 [[链接]](https:\u002F\u002Farxiv.org\u002Fpdf\u002F1807.02787.pdf)\n* W.鲍等——基于堆叠自编码器和长短时记忆网络的金融时间序列深度学习框架 [[链接]](https:\u002F\u002Fjournals.plos.org\u002Fplosone\u002Farticle\u002Ffile?id=10.1371\u002Fjournal.pone.0180944&type=printable)\n* 周兴宇等——利用生成对抗网络对高频数据进行股市预测 [[链接]](http:\u002F\u002Fdownloads.hindawi.com\u002Fjournals\u002Fmpe\u002F2018\u002F4907423.pdf)\n* 冯富利等——通过对抗训练提升股票走势预测能力 [[链接]](https:\u002F\u002Farxiv.org\u002Fpdf\u002F1810.09936.pdf)\n* Z.赵等——重新定义标签的时间加权LSTM模型用于股票趋势预测 [[链接]](https:\u002F\u002Fieeexplore.ieee.org\u002Fabstract\u002Fdocument\u002F8372087)\n* 阿瑟·勒卡尔韦兹、戴夫·克利夫——深度学习可在限价订单簿型金融市场中复制适应性交易者 [[链接]](https:\u002F\u002Farxiv.org\u002Fabs\u002F1811.02880)\n* 当莲敏等——基于双流门控循环单元网络的短期股票趋势预测深度学习方法 [[链接]](https:\u002F\u002Fieeexplore.ieee.org\u002Fabstract\u002Fdocument\u002F8456512)\n* 邓悦等——用于金融信号表示与交易的深度直接强化学习 [[链接]](http:\u002F\u002Fcslt.riit.tsinghua.edu.cn\u002Fmediawiki\u002Fimages\u002Fa\u002Faa\u002F07407387.pdf)\n* 肖忠——一套全面的聚类与分类挖掘流程，用于每日股市收益预测 [[链接]](https:\u002F\u002Fwww.sciencedirect.com\u002Fscience\u002Farticle\u002Fpii\u002FS0925231217310652)\n* J.张等——一种新型的数据驱动型股票价格趋势预测系统 [[链接]](https:\u002F\u002Fwww.sciencedirect.com\u002Fscience\u002Farticle\u002Fpii\u002FS0957417417308485)\n* 艾山·侯赛因扎德等——CNNPred：基于卷积神经网络并结合多种数据源的股市预测 [[链接]](https:\u002F\u002Farxiv.org\u002Fpdf\u002F1810.08923.pdf)\n* 郑惠静等——遗传算法优化的长短时记忆网络用于股市预测 [[链接]](https:\u002F\u002Fwww.mdpi.com\u002F2071-1050\u002F10\u002F10\u002F3765\u002Fpdf)\n* 白有珍等——ModAugNet：一种新的股市指数值预测框架，包含防过拟合LSTM模块和预测LSTM模块 [[链接]](https:\u002F\u002Fwww.sciencedirect.com\u002Fscience\u002Farticle\u002Fpii\u002FS0957417418304342)\n* 拉贾什里·达什等——一种融合技术分析与机器学习技术的混合型股票交易框架 [[链接]](https:\u002F\u002Fwww.sciencedirect.com\u002Fscience\u002Farticle\u002Fpii\u002FS2405918815300179)\n* E.A.格尔莱因等——评估机器学习分类在金融交易中的应用：实证研究 [[链接]](http:\u002F\u002Fnrl.northumbria.ac.uk\u002F34544\u002F1\u002FEvaluating%20machine%20learning.pdf)\n* 贾斯汀·西里尼亚诺——限价订单簿中的深度学习 [[链接]](https:\u002F\u002Fpapers.ssrn.com\u002Fsol3\u002Fpapers.cfm?abstract_id=2710331)\n\n### 事件与情绪交易\n* Frank Z. Xing 等 - 基于自然语言的金融预测：综述 [[链接]](http:\u002F\u002Fsentic.net\u002Fnatural-language-based-financial-forecasting.pdf)\n* Ziniu Hu 等 - 聆听混沌低语：面向新闻的股票趋势预测深度学习框架 [[链接]](https:\u002F\u002Farxiv.org\u002Fabs\u002F1712.02136v1)\n* J.W. Leung，麻省理工学院硕士论文 - 机器学习的应用：基于事件驱动数据的自动化交易 [[链接]](https:\u002F\u002Fdspace.mit.edu\u002Fbitstream\u002Fhandle\u002F1721.1\u002F105982\u002F965785890-MIT.pdf?sequence=1)\n* Xiao Ding 等 - 用于事件驱动型股票预测的深度学习 [[链接]](http:\u002F\u002Fwww.aaai.org\u002Focs\u002Findex.php\u002FIJCAI\u002FIJCAI15\u002Fpaper\u002Fdownload\u002F11031\u002F10986)\n\n## 强化学习环境\n* :star: TradingGym [[链接]](https:\u002F\u002Fgithub.com\u002FYvictor\u002FTradingGym)\n* Trading-Gym [[链接]](https:\u002F\u002Fgithub.com\u002Fthedimlebowski\u002FTrading-Gym)\n* btym [[链接]](https:\u002F\u002Fgithub.com\u002FKismuz\u002Fbtgym)\n* TradzQAI [[链接]](https:\u002F\u002Fgithub.com\u002Fkkuette\u002FTradzQAI)\n\n## 代码\n* QTradeX - 一个强大且灵活的 Python 框架，用于设计、回测、优化和部署算法交易机器人 [[链接]](https:\u002F\u002Fgithub.com\u002FsquidKid-deluxe\u002FQTradeX-Algo-Trading-SDK)\n* marketneutral - 使用机器学习进行配对交易 [[链接]](https:\u002F\u002Fgithub.com\u002Fmarketneutral\u002Fpairs-trading-with-ML)\n* BlackArbsCEO - 金融机器学习进阶练习 [[链接]](https:\u002F\u002Fgithub.com\u002FBlackArbsCEO\u002FAdv_Fin_ML_Exercises)\n* mlfinlab - 金融机器学习进阶工具包 [[链接]](https:\u002F\u002Fgithub.com\u002Fhudson-and-thames)\n* MachineLearningStocks - 使用 Python 和 scikit-learn 进行股票预测 [[链接]](https:\u002F\u002Fgithub.com\u002Frobertmartin8\u002FMachineLearningStocks)\n* AlphaAI - 利用无监督和有监督学习预测股票 [[链接]](https:\u002F\u002Fgithub.com\u002FVivekPa\u002FAlphaAI)\n* SGX-Full-OrderBook-Tick-Data-Trading-Strategy - 提供基于机器学习的高频交易（HFT）策略解决方案 [[链接]](https:\u002F\u002Fgithub.com\u002Frorysroes\u002FSGX-Full-OrderBook-Tick-Data-Trading-Strategy)\n* NeuralNetworkStocks - 使用 Python 和 Keras 进行股票预测 [[链接]](https:\u002F\u002Fgithub.com\u002FVivekPa\u002FNeuralNetworkStocks)\n* Stock-Price-Prediction-LSTM - 使用 LSTM 循环神经网络预测苹果公司 OHLC 平均值 [[链接]](https:\u002F\u002Fgithub.com\u002FNourozR\u002FStock-Price-Prediction-LSTM)\n* SravB - 基于机器学习的算法交易 [[链接]](https:\u002F\u002Fgithub.com\u002FSravB\u002FAlgorithmic-Trading)\n* Flow - 高频 AI 驱动的算法交易模块 [[链接]](https:\u002F\u002Fgithub.com\u002Fyazanobeidi\u002Fflow)\n* timestocome - 测试股票预测算法 [[链接]](https:\u002F\u002Fgithub.com\u002Ftimestocome\u002FTest-stock-prediction-algorithms)\n* deepstock - 利用深度学习击败股市的技术实验 [[链接]](https:\u002F\u002Fgithub.com\u002Fkeon\u002Fdeepstock)\n* qtrader - 用于投资组合管理的强化学习 [[链接]](https:\u002F\u002Fgithub.com\u002Ffilangel\u002Fqtrader)\n* stockPredictor - 使用机器学习和深度学习算法预测股票走势 [[链接]](https:\u002F\u002Fgithub.com\u002FNazanin1369\u002FstockPredictor)\n* stock_market_reinforcement_learning - 使用 OpenGym 环境结合深度 Q 学习和策略梯度的股市环境 [[链接]](https:\u002F\u002Fgithub.com\u002Fkh-kim\u002Fstock_market_reinforcement_learning)\n* deep-algotrading - 从回归到 LSTM 的深度学习技术在金融数据中的应用 [[链接]](https:\u002F\u002Fgithub.com\u002FLiamConnell\u002Fdeep-algotrading)\n* deep_trader - 将强化学习应用于股市，让智能体学习交易策略 [[链接]](https:\u002F\u002Fgithub.com\u002Fdeependersingla\u002Fdeep_trader)\n* Deep-Trading - 结合深度学习的算法交易实验 [[链接]](https:\u002F\u002Fgithub.com\u002FRachnog\u002FDeep-Trading)\n* Deep-Trading - 使用 RNN 进行算法交易 [[链接]](https:\u002F\u002Fgithub.com\u002Fha2emnomer\u002FDeep-Trading)\n* Multidimensional-LSTM-BitCoin-Time-Series - 利用多维 LSTM 神经网络对比特币价格进行预测 [[链接]](https:\u002F\u002Fgithub.com\u002Fjaungiers\u002FMultidimensional-LSTM-BitCoin-Time-Series)\n* QLearning_Trading - 在强化学习框架下学习交易 [[链接]](https:\u002F\u002Fgithub.com\u002Fucaiado\u002FQLearning_Trading)\n* Day-Trading-Application - 使用深度学习准确预测未来股票收益 [[链接]](https:\u002F\u002Fgithub.com\u002Fjbboltz123\u002FDay-Trading-Application)\n* bulbea - 基于深度学习的 Python 库，用于股市预测和建模 [[链接]](https:\u002F\u002Fgithub.com\u002Fachillesrasquinha\u002Fbulbea)\n* PGPortfolio - “一种用于金融投资组合管理问题的深度强化学习框架”的源代码 [[链接]](https:\u002F\u002Fgithub.com\u002FZhengyaoJiang\u002FPGPortfolio)\n* Thesis - 自动化交易中的强化学习 [[链接]](https:\u002F\u002Fgithub.com\u002Fpnecchi\u002FThesis)\n* DQN - 用于金融领域的强化学习 [[链接]](https:\u002F\u002Fgithub.com\u002Fjjakimoto\u002FDQN)\n* Deep-Trading-Agent - 基于深度强化学习的比特币交易智能体 [[链接]](https:\u002F\u002Fgithub.com\u002Fsamre12\u002Fdeep-trading-agent)\n* deep_portfolio - 利用强化学习和监督学习优化投资组合配置 [[链接]](https:\u002F\u002Fgithub.com\u002Fdeependersingla\u002Fdeep_portfolio)\n* Deep-Reinforcement-Learning-in-Stock-Trading - 使用深度演员-评论家模型学习配对交易的最佳策略 [[链接]](https:\u002F\u002Fgithub.com\u002Fshenyichen105\u002FDeep-Reinforcement-Learning-in-Stock-Trading)\n* Stock-Price-Prediction-LSTM - 使用 LSTM 循环神经网络预测苹果公司 OHLC 平均值 [[链接]](https:\u002F\u002Fgithub.com\u002FNourozR\u002FStock-Price-Prediction-LSTM)","# Awesome-Quant-Machine-Learning-Trading 快速上手指南\n\n**项目说明**：`Awesome-Quant-Machine-Learning-Trading` 并非一个可直接安装运行的软件库或框架，而是一个精心 curated（筛选）的**资源列表**。它汇集了量化交易与机器学习领域的高质量书籍、在线课程、视频、博客、访谈及学术论文。\n\n本指南旨在帮助中国开发者高效利用该列表构建学习路径和环境。\n\n## 1. 环境准备\n\n由于该列表中的资源主要围绕 Python 生态系统的量化交易与机器学习，建议准备以下开发环境：\n\n*   **操作系统**：Windows, macOS 或 Linux (推荐 Ubuntu\u002FCentOS)\n*   **核心语言**：Python 3.8+\n*   **前置依赖**：\n    *   **数据科学栈**：`numpy`, `pandas`, `scipy`, `matplotlib`\n    *   **机器学习\u002F深度学习**：`scikit-learn`, `tensorflow` 或 `pytorch`\n    *   **量化回测框架**（参考列表中提到的工具）：`zipline`, `backtrader`, `quantconnect` (云端)\n*   **推荐方案**：直接安装 **Anaconda** 或 **Miniconda**，这是国内量化开发者最常用的发行版，预装了大部分科学计算包。\n\n## 2. 安装步骤\n\n本项目无需执行传统的 `pip install` 或 `git clone` 来运行代码，其“安装”过程即为本地的**资源库构建**。\n\n### 步骤一：获取资源列表\n访问项目 GitHub 页面或直接浏览下方的分类索引：\n```bash\n# 可选：克隆仓库以便离线查看 Markdown 源码\ngit clone https:\u002F\u002Fgithub.com\u002Fyour-repo\u002FAwesome-Quant-Machine-Learning-Trading.git\n```\n\n### 步骤二：配置国内加速源（重要）\n列表中大量链接指向 Amazon、Coursera 或 YouTube，国内访问可能受限。建议配合以下方案使用：\n*   **书籍**：优先在京东、当当或微信读书搜索对应中文译名（如《金融机器学习进展》）。\n*   **视频课程**：\n    *   Udacity\u002FCoursera：建议使用国内镜像站或 Bilibili 搜索对应课程名称（许多内容已被搬运）。\n    *   YouTube 视频：在 Bilibili 搜索频道名（如 \"Siraj Raval\", \"Quantopian\"）或视频标题，通常能找到带中文字幕的版本。\n*   **论文**：部分 SSRN 或 ArXiv 论文可通过国内学术镜像（如 ArXiv.org.cn）下载。\n\n### 步骤三：搭建 Python 量化实验环境\n根据列表中推荐的书籍（如 *Hands-On Machine Learning for Algorithmic Trading*），初始化你的开发环境：\n\n```bash\n# 创建虚拟环境\nconda create -n quant_ml python=3.9\n\n# 激活环境\nconda activate quant_ml\n\n# 安装核心量化与 ML 库\npip install numpy pandas scikit-learn tensorflow torch matplotlib seaborn\npip install yfinance backtrader ta-lib\n```\n\n## 3. 基本使用\n\n本项目的“使用”是指**按照推荐顺序进行学习与实践**。以下是基于列表中标记为 `:star:` (精选) 内容的最小化学习路径示例：\n\n### 第一阶段：理论基础（书籍）\n优先阅读列表中高亮标记的经典著作，建立正确的金融 ML 思维，避免过拟合陷阱。\n*   **必读**：Marcos López de Prado - *Advances in Financial Machine Learning* (中译：《金融机器学习进展》)\n    *   *重点*：理解分数阶差分、三重屏障标记法、交叉验证在金融时间序列中的特殊性。\n*   **进阶**：Michael Halls-Moore - *Advanced Algorithmic Trading*\n\n### 第二阶段：实战演练（代码与教程）\n结合列表中的 \"Blogs and content websites\" 和 \"Online series\" 进行编码实践。\n*   **平台**：访问 **Quantstart** 或 **Quantopian Lectures** (存档) 获取 Notebook 代码。\n*   **示例任务**：复现一个简单的双均线策略并引入机器学习分类器。\n\n```python\n# 示例：基于列表推荐思路的简单策略骨架 (需配合 backtrader 等框架)\nimport pandas as pd\nfrom sklearn.ensemble import RandomForestClassifier\n\n# 1. 加载数据 (参考 Sentdex 或 QuantNews 视频中的数据源处理)\ndata = pd.read_csv('stock_data.csv') \n\n# 2. 特征工程 (参考 Marcos López de Prado 的方法)\ndata['return'] = data['close'].pct_change()\ndata['label'] = (data['return'].shift(-1) > 0).astype(int) # 预测次日涨跌\n\n# 3. 模型训练 (参考 Hands-On Machine Learning for Algorithmic Trading)\nfeatures = ['return', 'volume_ratio'] # 简化示例\nmodel = RandomForestClassifier(n_estimators=100)\nmodel.fit(data[features].dropna(), data['label'].dropna())\n\n# 4. 生成信号\ndata['signal'] = model.predict(data[features].fillna(0))\n```\n\n### 第三阶段：深度研究（论文与访谈）\n*   **论文**：阅读 *The 10 reasons most Machine Learning Funds fails*，理解为何大多数 ML 基金失败。\n*   **访谈**：观看 *Chat with Traders* 系列中关于 Bert Mouler 和 Max Margenot 的集数，了解业界实际落地经验。\n\n通过以上步骤，您即可充分利用 `Awesome-Quant-Machine-Learning-Trading` 提供的丰富资源，从零开始构建自己的量化交易知识体系。","某量化初创团队的研究员正试图构建基于深度学习的股票预测模型，却因金融与 AI 交叉领域的专业壁垒而举步维艰。\n\n### 没有 Awesome-Quant-Machine-Learning-Trading 时\n- **资料筛选成本极高**：在海量通用机器学习教程中大海捞针，难以辨别哪些内容真正适用于金融时序数据，常误用导致模型过拟合。\n- **缺乏权威理论指引**：找不到如 Marcos López de Prado 的《Advances in Financial Machine Learning》等经过验证的核心著作，策略开发缺乏科学方法论支撑。\n- **学习路径支离破碎**：网络课程质量参差不齐，缺乏系统性的进阶路线，团队成员在基础概念与实战应用间反复横跳，效率低下。\n- **复现经典策略困难**：缺少高质量的开源代码参考和案例解析，从零编写回测框架耗时数月，错失市场窗口期。\n\n### 使用 Awesome-Quant-Machine-Learning-Trading 后\n- **精准获取高质资源**：直接访问经严格筛选的书单与课程，如 Michael Halls-Moore 的进阶指南，迅速掌握针对金融数据的特征工程技巧。\n- **建立科学研发体系**：依托推荐的核心书籍，团队快速引入“分数阶差分”、“纯化标签”等专业方法，显著提升了策略的统计显著性。\n- **打通系统化学习闭环**：利用整理的 Udacity 与 Coursera 专项课程，为新成员制定了从理论到实战的清晰成长路径，培训周期缩短一半。\n- **加速策略落地验证**：参考列表中提供的实战案例与代码生态，两周内即可搭建出可运行的深度学习交易原型，大幅降低试错成本。\n\nAwesome-Quant-Machine-Learning-Trading 通过提供经过严选的高质量资源矩阵，帮助量化团队跨越了从理论到实战的鸿沟，将策略研发效率提升了数倍。","https:\u002F\u002Foss.gittoolsai.com\u002Fimages\u002Fgrananqvist_Awesome-Quant-Machine-Learning-Trading_f7a949e5.png","grananqvist","fgranqvist","https:\u002F\u002Foss.gittoolsai.com\u002Favatars\u002Fgrananqvist_b610a4e8.jpg","ML research engineer","Apple","Sweden",null,"Grananqvist","https:\u002F\u002Fgithub.com\u002Fgrananqvist",3592,642,"2026-04-17T23:47:37",1,"","未说明",{"notes":88,"python":86,"dependencies":89},"该仓库是一个资源列表（Awesome List），主要收集了关于量化交易和机器学习的书籍、课程、视频、博客和论文链接，本身不包含可执行的代码库或模型，因此没有特定的运行环境、GPU、内存或依赖库要求。用户需根据列表中提到的具体外部资源（如某本书的代码示例或某个教程）自行配置相应环境。",[],[14],[92,93,94,95,96,97,98,99],"awesome","awesome-list","machine-learning","deep-learning","stock-trading","machine-learning-trading","financial-machine-learning","trading-strategies","2026-03-27T02:49:30.150509","2026-04-18T14:12:03.542827",[],[]]