概率的朋友——9天入門AI股票量化交易與技術分析（雙色）

目 錄
第1章
1.1 概率思維：解讀世界的新視角 / 3
1.1.1 應對不確定世界的概率思維 / 3
1.1.2 量化思維：讓數據驅動決策過程 / 4
1.1.3 開啟量化之旅 / 6
1.2 量化指標、理論和模型：構築投資決策的框架 / 12
1.3 歷史回測：驗證策略有效性的關鍵步驟 / 13
1.3.1 夏普比率高好還是低好 / 13
1.3.2 索提諾比率：考慮下行風險 / 15
1.3.3 卡瑪比率：簡約但不簡單 / 15
1.3.4 勝率盈虧：量化投資的效益評估 / 16
第2章 K 線形態
2.1 K 線概述：解碼市場情緒的圖形語言 / 30
2.1.1 K 線的誕生 / 30
2.1.2 K 線的構成 / 32
2.1.3 K 線的應用 / 36
2.2 K 線形態實戰：解鎖市場信號的關鍵 / 37
2.2.1 概述 / 37
2.2.2 十字星 / 37
2.2.3 半星線 / 46
2.2.4 K 線組合形態 / 53
2.3 技術形態分析 / 66
2.3.1 概述 / 66
2.3.2 整理形態 / 67
2.3.3 反轉形態 / 69
2.3.4 小結 / 76
第3章 技術指標
3.1 移動均線——MA / 80
3.1.1 MA 指標概述 / 80
3.1.2 MA 指標原理 / 81
3.1.3 MA 指標用法 / 81
3.2 指標之王——MACD / 82
3.2.1 MACD 指標概述 / 82
3.2.2 MACD 指標原理 / 84
3.2.3 MACD 指標用法 / 86
3.2.4 為什麼 MACD 有時會不準 / 95
3.2.5 MACD 的三值如何優化 / 98
3.2.6 MACD 的抗跌能力 / 101
3.3 乖離率——BIAS / 106
3.3.1 BIAS 指標概述 / 106
3.3.2 BIAS 指標原理 / 106
3.3.3 BIAS 指標用法及驗證 / 107
3.4 振幅節奏——ATR / 111
3.4.1 ATR 指標概述 / 111
3.4.2 ATR 指標原理 / 111
3.4.3 ATR 指標用法及驗證 / 112
3.5 隨機趨勢——KDJ / 116
3.5.1 KDJ 指標概述 / 116
3.5.2 KDJ 指標原理 / 117
3.5.3 KDJ 指標用法及驗證 / 118
3.6 相對強弱——RSI / 124
3.6.1 RSI 指標概述 / 124
3.6.2 RSI 指標原理 / 124
3.6.3 RSI 指標用法及驗證 / 124
第4章 量化分析模型
4.1 動態跟蹤——Dual Thrust / 135
4.1.1 策略介紹 / 135
4.1.2 策略原理 / 135
4.1.3 策略邏輯及驗證 / 136
4.1.4 策略小結 / 139
4.2 趨勢突破——R-Breaker / 139
4.2.1 策略介紹 / 139
4.2.2 策略原理 / 140
4.2.3 策略類別 / 141
4.2.4 策略邏輯及驗證 / 141
4.2.5 策略小結 / 144
4.3 價格偏離——Aberration / 145
4.3.1 策略介紹 / 145
4.3.2 策略原理 / 146
4.3.3 策略邏輯及驗證 / 147
4.3.4 策略小結 / 149
4.4 1000% 的男人——菲阿裏四價交易策略 / 150
4.4.1 策略介紹 / 150
4.4.2 策略原理 / 150
4.4.3 策略邏輯及驗證 / 151
4.4.4 策略小結：順應行情讓利潤奔跑 / 153
4.5 趨勢界限——唐奇安通道策略 / 154
4.5.1 策略介紹 / 154
4.5.2 策略原理 / 154
4.5.3 策略邏輯及驗證 / 155
4.5.4 策略小結：簡單上手但無法實現頂底操作 / 161
4.6 超額回報——純 Alpha 策略 / 162
4.6.1 策略介紹 / 162
4.6.2 策略邏輯 / 162
第5章 經典理論
5.1 大數定律：揭示隨機事件背後的確定性 / 170
5.1.1 大數定律的起源 / 170
5.1.2 大數定律的原理與實戰應用 / 170
5.1.3 大數定律的用法及缺陷 / 170
5.1.4 過分依賴大數定律的缺陷 / 171
5.2 波浪理論：揭秘市場行為的奧秘 / 172
5.2.1 波浪理論的起源 / 172
5.2.2 波浪理論的原理與實戰應用 / 173
5.2.3 波浪理論的用法及缺陷 / 175
5.3 葛蘭碧均線：精確的市場入場與退出指南 / 175
5.3.1 葛蘭碧均線法則的起源歷史 / 175
5.3.2 葛蘭碧均線法則的應用 / 175
5.3.3 深度探討與案例分析 / 177
5.3.4 結語與展望 / 177
5.4 動量與截面：揭示市場力量的交叉分析策略 / 178
5.4.1 動量 / 178
5.4.2 截面 / 179
5.5 Fama 的因子理論：深刻洞察市場回報的維度 / 180
5.5.1 CAPM 模型 / 180
5.5.2 Fama-French 三因子模型 / 181
5.5.3 模型中包含的風險因子 / 181
5.5.4 Fama-French 三因子模型的公式 / 181
5.5.5 Fama-French 因子模型的局限 / 182
第6章 交易
6.1 交易品種：選擇適合自己的交易品種 / 193
6.1.1 證券 / 193
6.1.2 股票 / 194
6.1.3 期貨 / 195
6.1.4 外匯 / 196
6.1.5 黃金 / 197
6.1.6 ETF 基金 / 198
6.1.7 CTA 基金 / 198
6.1.8 綜合數字貨幣 / 200
6.1.9 交易小結 / 200
6.2 交易流程：精確執行與效率優化 / 201
6.2.1 止損 / 201
6.2.2 止盈 / 201
6.2.3 開平倉與加減倉 / 202
6.2.4 交易制度 / 202
6.2.5 倉位 / 202
6.2.6 凱利公式 / 203
6.2.7 反手 / 207
6.2.8 限價 / 市價 / 207
6.2.9 條件單 / 208
6.2.10 炒單——人工高頻交易 / 209
6.2.11 容量：短線交易之短板 / 211
6.3 交易心理學：克服貪婪與恐懼 / 211
6.3.1 交易者情緒化 / 211
6.3.2 交易系統心理學與風控 / 212
第7章 程序化交易
7.1 量化交易與程序化交易 / 222
7.1.1 什麼是程序化交易 / 222
7.1.2 程序化交易系統的組成部分 / 224
7.1.3 量化交易與程序化交易的關系與區別 / 226
7.2 API 接口調用與服務器配置：資源整合與安全性管理 / 227
7.2.1 API 接口調用在程序化交易中的重要性 / 227
7.2.2 服務器配置對程序化交易的影響 / 227
7.2.3 總結 / 228
7.3 高頻交易：快速決策與執行與市場機遇捕捉 / 228
7.3.1 高頻交易的基本原理 / 228
7.3.2 高頻交易的歷史背景 / 229
7.3.3 高頻交易對市場的影響 / 229
7.3.4 高頻交易的爭議與監管 / 230
7.3.5 總結 / 230
7.4 算法交易策略：精準捕捉市場微妙機遇 / 230
7.4.1 被動交易策略 / 230
7.4.2 主動交易策略 / 232
7.4.3 基於科技的算法策略 / 233
7.4.4 總結 / 235
7.5 使用交易軟件進行程序化交易 / 235
7.5.1 文華財經 / 235
7.5.2 VNPY / 237
第8章 投資組合管理
8.1 賬戶資金：策略化管理與增值途徑 / 243
8.1.1 復利 / 243
8.1.2 資金池與資金池配置技巧 / 244
8.2 全天候資產組合 / 245
8.2.1 全天候資產組合簡述 / 245
8.2.2 全天候資產組合的優點和潛在風險 / 246
8.2.3 全天候資產組合的構建步驟 / 247
8.3 Markowitz 理論：獲得諾貝爾經濟學獎的模型 / 248
8.3.1 股市分析是一門可以拿諾獎的科學 / 248
8.3.2 馬科維茨模型的來源 / 249
8.3.3 馬科維茨投資組合理論的內容 / 249
第9章 AI 量化
9.1 AI 量化到底有用嗎？用成績說話 / 257
9.1.1 遠看西蒙斯：AI 量化的“開山鼻祖” / 257
9.1.2 近看幻方：國內 AI 量化的“標桿力量” / 258
9.2 AI 量化為什麼有用？底層邏輯的突破 / 259
9.2.1 沒有情感：克服人性的“致命弱點”/ 259
9.2.2 算力：超越人類極限的“數據處理能力” / 260
9.2.3 機器學習：顛覆人類的“思維慣性”/ 261
9.3 AI 量化技術怎麼用？不同投資者的“適配方案” / 262
9.3.1 普通價值投資者：用 AI 做“高效研究員” / 262
9.3.2 有基礎編程能力的量化投資者：用 AI 做代碼助手 / 264
9.3.3 精通編程的寬客：用 AI 做“創新引擎” / 267
9.3.4 多智能體對抗，AI 量化的最優切入點 / 269
9.3.5 成本 / 執行仿真與方法學增補 / 272
9.3.6 開源資源與復現支持 / 273
9.3.7 AI 量化圖靈測試：策略的“專業性驗證標尺” / 274
9.4 AI 量化的核心：人機協同，而非人機對立 / 280
9.5 總結：AI 量化的未來，屬於“懂技術的理性投資者” / 281
第10章 寬論
10.1 寬論 / 289
10.1.1 中心：站在概率優勢的一邊，用歷史回測構建概率優勢 / 289
10.1.2 兩個基本點：先看大盤漲跌，再看相對強弱 / 295
10.1.3 三個工具：彈論，CDVA 分型，帶魚 / 短魚 / 297
10.1.4 投資組合：交易的聖杯 / 303
10.1.5 量化分析與價值投資：兼容並用 / 309
10.1.6 通過 AI 程序化交易克服貪婪與恐懼 / 312
10.2 個人交易心得 / 317
10.2.1 輕倉、止損、順勢 / 317
10.2.2 分倉、定損、順勢 / 317
第11章 學以致用
11.1 橋博士學習法 / 324
11.1.1 逆向輸出：先當老師，後學明白 / 324
11.1.2 學習型組織：人多力量大，學習也一樣 / 325
11.1.3 巧用短視頻和 AI / 325
11.2 橋博士 721 行為模型 / 328
11.3 學習地圖 / 333
11.3.1 72 小時理論學習地圖 / 334
11.3.2 72 小時實戰學習地圖 / 339