趋势交易需要一个正确的出发点和思想方向。也就是说趋势交易需要做什么？需要那些相关的技术？ 首先我们排除了基本面和消息。趋势交易并不需要分析基本面和消息，因为趋势交易策略已经假设所有资讯都已经体现在价格

　　学会敬畏市场，市场永远是对的。虽是老生常谈的一句话，但真正从意识思维高度来领会并做到的人少之又少。毫无疑问，能悟透这句话的人都已经在市场中持续稳定盈利了，所以说交易这个行当难的不是技术而是悟，就如“二

　　TensorFlow 是一款用于数值计算的强大的开源软件库，特别适用于大规模机器学习的微调。 它的基本原理很简单：首先在 Python 中定义要执行的计算图（例如图 9-1），然后 TensorFlo

　　英国统计学家E.H.辛普森在1951年提出过一中理论，叫“辛普森悖论”，即在分组比较中都占优势的一方，会在总评中反而是失势的一方。简单来说就是，虽然你赢的次数很多，从整体上看，你反而是输了。 从字面上

　　大多数人听到“机器学习”，往往会在脑海中勾勒出一个机器人：一个可靠的管家，或是一个可怕的终结者，这取决于你问的是谁。但是机器学习并不是未来的幻想，它已经来到我们身边了。事实上，一些特定领域已经应用机器

　　成交量的三大功能 1、成交量是股价上升的原动力，也是股价下跌的主要原因之一 2、成交量的增减决定股价涨跌速度 3、成交量的变化能改变个股的"股性"   成交量买卖原则 1、任何进出，均以大盘为观察点，

　　基于实例 vs 基于模型学习 另一种分类机器学习的方法是判断它们是如何进行归纳推广的。大多机器学习任务是关于预测的。这意味着给定一定数量的训练样本，系统需要能推广到之前没见到过的样本。对训练数据集有很

　　在选中一只股票后，对投资者来说，接下来最重要的事情就是选择有利的时机进行买进。然而许多短线投资者都有过这样的经历：刚一买进，股价就连连下跌；为了避免损失进一步扩大，最后不得不低价忍痛抛出，但抛出后股价

　　第2章 一个完整的机器学习项目 本章中，你会假装作为被一家地产公司刚刚雇佣的数据科学家，完整地学习一个案例项目。下面是主要步骤： 项目概述。 获取数据。 发现并可视化数据，发现规律。 为机器学习算法准

　　证券市场的实战操作技术有多种，但其中最为关键的技术就在于研究领悟主力常用运做手法，对于大资金与中小资金都是这样，所不同是主力应该把主要精力放在技术逆反操作，跟风资金应该把主要精力放在判断主力的利益趋势

　　创建测试集 在这个阶段就分割数据，听起来很奇怪。毕竟，你只是简单快速地查看了数据而已，你需要再仔细调查下数据以决定使用什么算法。这么想是对的，但是人类的大脑是一个神奇的发现规律的系统，这意味着大脑非常

　　为机器学习算法准备数据 现在来为机器学习算法准备数据。不要手工来做，你需要写一些函数，理由如下： 函数可以让你在任何数据集上（比如，你下一次获取的是一个新的数据集）方便地进行重复数据转换。 你能慢慢建

　　自定义转换器 尽管 Scikit-Learn 提供了许多有用的转换器，你还是需要自己动手写转换器执行任务，比如自定义的清理操作，或属性组合。你需要让自制的转换器与 Scikit-Learn 组件（比如

　　交易中的止损 期货交易的保证金杠杆效应使得价格波动被人为放大，并且合约到期的限制使得持仓不能一直保留。 当持仓的方向与市场运动背道而驰时，时间的代价将变得越来越昂贵。   在交易不利的情况下，如果不及

　　很多人在交易系统信号选择上碰到了很多困惑，我也一样。在这个问题上，其实我走了长长一段弯路： 早在2年前，我企图利用计算机技术，建立一个K线形态库 ，把尼尔森所定义的所有K线形态加入到这个库里，然后拿它