Repolode
提交项目
stefan-jansen

stefan-jansen/machine-learning-for-trading

《机器学习交易》第三版配套代码，覆盖从数据获取到实盘交易的完整流程。

在 GitHub 查看官网
Star
21,737
Fork
5,761
未关闭 Issue
1
最近提交
19小时前

本页只介绍开源项目，不构成投资建议。交易和投资可能造成亏损，使用前请自行评估风险，并遵守当地法律法规。

这是什么？

本仓库是《机器学习交易》第三版的配套代码，包含 27 个章节和 9 个案例研究。每章提供 Jupyter 笔记本和说明指南，九个案例分别在 ETF、加密永续合约、日内股票、期权、外汇、期货和股票因子面板等市场上运行同一套流程。

内容涵盖使用 Polars 处理金融数据、特征工程，以及从线性基线、梯度提升到深度时间序列模型的建模方法。此外还涉及用于执行与对冲的强化学习、因果机器学习，以及应用于金融研究的检索增强生成和智能体。回测、交易成本建模、组合构建以及 Deflated Sharpe Ratio 等过拟合控制方法也是重点内容。

环境可通过 Docker 镜像或本地 uv 环境部署，并提供下载免费数据集和校验安装的脚本。第二版的内容保留在 second-edition 分支上。

核心功能

  • 0127 个章节目录，每个包含 Jupytext 笔记本和指南，将内容与代码一一对应
  • 029 个案例研究，涵盖 ETF、加密永续合约、期权、外汇、期货和股票
  • 03提供梯度提升、深度时间序列、潜在因子和因果模型，并采用滚动前向验证
  • 04包含回测、交易成本和风险管理模块，并延伸到实盘交易部分
  • 05支持 Docker 与本地 uv 两种环境，附带免费数据下载和安装校验脚本

适用场景

  • 学习从数据到回测的端到端量化研究流程
  • 在自有数据上复现或扩展九个案例策略
  • 在考虑真实交易成本的前提下比较传统模型与深度学习模型的收益预测效果
  • 探索如何将交易策略迁移到有监控的实盘执行环境

收录于专题

强化学习训练框架与环境数据科学课程与工具

标签

#algorithmic-trading#machine-learning#quantitative-finance#backtesting#time-series#reinforcement-learning#jupyter#polars#artificial-intelligence#data-science

常见问题

machine-learning-for-trading 是什么？
《机器学习交易》第三版配套代码，覆盖从数据获取到实盘交易的完整流程。 本仓库是《机器学习交易》第三版的配套代码，包含 27 个章节和 9 个案例研究。每章提供 Jupyter 笔记本和说明指南，九个案例分别在 ETF、加密永续合约、日内股票、期权、外汇、期货和股票因子面板等市场上运行同一套流程。
machine-learning-for-trading 可以免费使用吗？用的什么许可证？
machine-learning-for-trading 以 MIT 许可证开源。用于商业产品前，请先确认许可证条款。
machine-learning-for-trading 还在维护吗？
活跃维护中。machine-learning-for-trading 最近一次提交是在 2026年11月6日。
machine-learning-for-trading 适合用来做什么？
学习从数据到回测的端到端量化研究流程 在自有数据上复现或扩展九个案例策略 在考虑真实交易成本的前提下比较传统模型与深度学习模型的收益预测效果 探索如何将交易策略迁移到有监控的实盘执行环境
在哪里获取 machine-learning-for-trading？
源代码和安装说明在 GitHub 上：https://github.com/stefan-jansen/machine-learning-for-trading

概要由 AI 根据项目 README 生成；GitHub 数据每日更新。

相关项目