以实操为主，适合上手；表达浅显易懂，适合初中级读者；作者比较成熟，在写这类书上面有一定的功力。

吴岸城（Arthur Wu），毕业于浙江大学计算机系。拥有18年企业级软件服务与大型电信增值业务软件研发经验，8年机器学习/深度学习研发及管理经验。曾在某大型公司担任技术管理人员，某创业公司任首席数据科学家。出版两本深度学习著作，申请了多项算法专利授权。

如果可以预测股票走势，那该多么令人振奋，股市就成了自己的“提款机”，这对于处在任何阶段的人来说，诱惑力都很大。出于赚钱的目的，我投入对股票市场或其他投资标的的研究中，尽量只用机器学习或深度学习模型去选股、择时。在这个时期我走了一些弯路：
开始阶段我是兴奋的，总是迷信新的算法结构，迷信算法能解决一切，只用深度学习解决一切。刚开始时回测效果也相当好，但结果并不好，一直在找问题、找解决方案。
第二个阶段是迷茫时期，因为开始阶段的实盘效果不好，在这个阶段我几乎尝试了各种方法。从最早的海龟交易法到因子选择，到α、β超额利润，甚至形态方法、趋势方法等，可以说绝不放过任何一种方法，也没有放弃将它们与算法结合。
第三个阶段就是目前的阶段，在接触各个私募的不同算法思路后，我有两个发现：一是大家的实盘都有涨有跌，当然有些私募实盘线很稳，而实盘稳定有可能是上了对冲盘，在不考虑对冲的情况下，跑实盘最多6 个月，策略就开始不奏效或者收益开始降低；
二是大家慢慢抛弃了传统的因子理论、机器学习统计方法，并减少或者完全去除人工干预，通过向纯粹的算法模型转型来解决问题。
在这个阶段，我重新梳理了目标，不再将精力花在调整优化模型上，而是从最终结果出发最大化实盘的利润，比如进行中期预测，引入强化学习、高频交易概念，努力从市场上一点点抠出利润。这个过程同时也是发现自己心态上的弱点的过程，虽然我不想把整件事描述得很玄，但不管是直接进行实盘交易还是利用模型进行实盘交易，心态绝对是影响发挥的重要因素。
世界上绝大部分市场均是博弈环境，在博弈环境中唯一不变的就是变化本身，而变化的根源就在于多、空两种力量的互相制衡。
现在回到我为什么要写本书的问题上。刚开始只是想记录自己学习的步骤和目前的进展，后来越写越感觉需要学习更多的知识。除了将这些知识融入书中，我也不停地反思并渐渐补全了自己的交易思路。
虽然交易思路很重要，但本书还是将重点放在交易模型上，即如何实现交易模型，如何寻找合适的算法来实现交易，如何优化这些算法。至于交易思路这种看起来“玄而又玄”的东西，我认为更应该由交易者亲自去体悟，也就是在做的过程中体验、领会。
本书从内容上大致分为以下四个部分。
第一部分，即第一章，交易模型与投资组合。主要阐述交易策略。先介绍什么是交易策略、交易策略的种类，再从交易策略出发，普及回测、数据获取的概念，并引申到交易模型的概念。这就是现代量化交易的雏形，接下来分析量化交易的特征（特征工程可以算是量化模型中最重要的部分了）。本章最后梳理了投资组合的优化方法，并给出了部分代码。
第二部分介绍交易算法初级部分，包含第二章和第三章。第二章主要阐述如何用线性回归、lightGBM 方法预测股价，其中还穿插了外汇市场上常用的波动率预测。第三章比较特殊，阐述如何利用消息面来预测市场情绪，并根据市场情绪进一步判断股票市场。
第三部分是算法进阶的内容，包含第四章和第五章，主要阐述利用深度学习、强化学习的算法预测股票。除了讲解算法的优缺点，还逐步分析了传统强化学习算法不利于股票预测的缺陷——希望给大家提供一些思路，各类交易算法层出不穷，但思路变化的可能性比较小。
第四部分的内容比较庞杂，包括第六章至第八章。第六章从斐波那契数列开始，给出了股票形态上的分析。此分析完全脱离了深度学习算法。我个人并不排斥传统方式，只要有用、能经受住检验的方法，我认为都需要学习。第七章从套利出发，介绍了套利的特殊形态网格交易。由于网格交易有明显的缺陷，本章最后也提请读者注意和规避网格的问题。第八章是问答集，汇总了我遇到的形形色色的问题，供读者参阅。
书中没有收录所有的交易方法，毕竟写一本工具书并非我的初衷。同时，自有代码有产权归属问题，无法直接公开，因此本书所有的代码均来自公开代码（GitHub），或修改自公开代码，特此说明以免不必要的误会。
时间所限，书中肯定还有不成熟的地方，请大家批评指正。
谨以本书纪念我的父亲。