VNPY小班课机器学习CTA

大纲：

搭建机器学习环境

选择合适的硬件机器和操作系统

VeighNa和GPLearn开发环境准备

针对机器学习的高性能数据存储

认识遗传规划学习

从【先有逻辑、后有公式】到【先有公式、后有逻辑】

算法基础：种群生成、适应度评价、自然选择、组合变异

数据集的拆分处理：训练集、验证集、测试集

上手CTA特征工程

基础特征数据的清洗准备：加载、预处理、缓存

梳理GPLearn内置特征函数：参数分类、边界情况处理

时序类特征函数的扩展开发：技术指标类、统计模型类

适应度评价的选择

适合量化交易的Fitness适应度评价体系

简单的收益率相关性：不依赖历史回测

全面的回测统计值：向量化策略回测框架

策略开发实战应用

机器学习CTA的三部曲：特征、信号、策略

趋势跟踪和震荡反转两种信号的实现

CTA策略中的细节：资金管理、止损风控、平仓出场