精通金融數(shù)據(jù)模式識別

前言
第1章 使用Python導(dǎo)入和處理金融數(shù)據(jù)
1.1 環(huán)境安裝
1.2 創(chuàng)建數(shù)據(jù)導(dǎo)入算法
1.3 全貌
1.4 總結(jié)
第2章 算法思維和函數(shù)
2.1 編寫基礎(chǔ)函數(shù)
2.1.1 為數(shù)組增加列的函數(shù)
2.1.2 從數(shù)組中刪除列的函數(shù)
2.1.3 為數(shù)組添加行的函數(shù)
2.1.4 從數(shù)組中刪除行的函數(shù)
2.1.5 數(shù)值取整的函數(shù)
2.2 編寫識別信號的代碼
2.3 創(chuàng)建信號圖表
2.4 編寫業(yè)績評估函數(shù)
2.4.1 命中率
2.4.2 回報率
2.4.3 盈利因子
2.4.4 風(fēng)險-收益比
2.4.5 交易次數(shù)
2.4.6 創(chuàng)建業(yè)績評估函數(shù)
2.4.7 一個假設(shè)的例子：評估業(yè)績
第3章 介紹技術(shù)分析
3.1 圖表分析
3.2 指標(biāo)分析
3.2.1 移動平均線
3.2.2 相對強弱指標(biāo)
3.3 模式識別
3.4 技術(shù)分析領(lǐng)域常見的陷阱
3.4.1 想要快速致富
3.4.2 強行解讀模式
3.4.3 “后見之明”偏見，夢想的破滅者
3.4.4 假設(shè)過去的事件一定會導(dǎo)致相同的未來結(jié)果
3.4.5 不必要地把事情變得復(fù)雜
3.5 技術(shù)分析的最佳實踐
3.5.1 利用多個不同的時間周期
3.5.2 使用多種策略和指標(biāo)
3.5.3 針對當(dāng)前市場環(huán)境使用正確類型的策略
3.5.4 不要低估默認參數(shù)
第4章 經(jīng)典趨勢跟隨模式
4.1 Marubozu模式
4.2 三K線模式
4.3 Tasuki模式
4.4 三法模式
4.5 Hikkake模式
第5章 現(xiàn)代趨勢跟隨模式
5.1 五胞胎模式
5.2 雙重麻煩模式
5.3 瓶子模式
5.4 彈弓模式
5.5 H模式
第6章 經(jīng)典逆向交易模式
6.1 十字星模式
6.1.1 蜻蜓十字
6.1.2 墓碑十字
6.1.3 一字星
6.1.4 雙十字
6.1.5 三星十字
6.2 孕線模式
6.3 頸線模式
6.4 鑷子模式
6.5 三明治模式
6.6 錘頭模式
6.7 星形模式
6.8 穿刺模式
6.9 吞沒模式
6.10 棄嬰模式
6.11 陀螺模式
6.12 內(nèi)部漲跌模式
6.13 塔形模式
第7章 現(xiàn)代逆向交易模式
7.1 雙胞胎模式
7.2 阻塞模式
7.3 狂喜模式
7.4 屏障模式
7.5 鏡像模式
7.6 收縮模式
第8章 進階K線圖表系統(tǒng)
8.1 Heikin-Ashi方法
8.1.1 檢測十字星模式
8.1.2 檢測TASUKI模式
8.1.3 檢測狂喜模式
8.1.4 檢測雙重麻煩模式
8.2 K型K線圖
8.2.1 檢測十字星模式
8.2.2 檢測TASUKI模式
8.2.3 檢測狂喜模式
8.2.4 檢測雙重麻煩模式
第9章 K線圖模式退出策略
9.1 對稱退出策略
9.2 固定持有期退出策略
9.3 變動持有期退出策略
9.4 混合退出策略
9.5 無視模式
第10章 基于K線圖的趨勢跟隨策略
10.1 將雙重麻煩模式與RSI結(jié)合
10.2 將三K線模式和移動平均線結(jié)合
10.3 將瓶子模式與隨機振蕩指標(biāo)結(jié)合
10.4 將Marubozu模式與K的波動性帶結(jié)合
10.5 將H模式和趨勢強度指數(shù)相結(jié)合
第11章 基于K線圖的反轉(zhuǎn)策略
11.1 結(jié)合十字星模式和RSI
11.2 結(jié)合吞沒模式和布林帶
11.3 結(jié)合穿刺模式和隨機震蕩指標(biāo)
11.4 結(jié)合狂熱模式和K線包絡(luò)線
11.5 結(jié)合屏障模式和RSI-ATR結(jié)合
第12章 風(fēng)險管理與交易心理學(xué)
12.1 風(fēng)險管理基礎(chǔ)
12.1.1 止損與止盈
12.1.2 動態(tài)止損
12.1.3 倉位規(guī)模
12.1.4 經(jīng)濟日歷
12.2 行為金融學(xué)：偏見的力量
12.2.1 認知偏見
12.2.2 情緒偏見
12.3 交易框架