AI量化交易
用多智能体架构构建可落地的量化交易系统
本书系统讲解如何从零构建一个多智能体量化交易系统，涵盖市场基础、数据工程、机器学习、多智能体架构、风险控制到生产部署的完整链路。
⚠️ 免责声明
本书内容仅供学习和研究目的，不构成任何投资建议。量化交易涉及重大风险，可能导致本金损失。读者应在充分了解风险后，独立做出投资决策。作者不对任何因使用本书内容而产生的损失承担责任。
目录
Part 1：快速体验
建立全局视野，理解量化世界和多智能体架构
| 课程 | 标题 |
|---|---|
| 第01课 | 量化交易全景图 |
背景知识：Alpha与Beta · 中美量化市场差异 · 主流量化基金排名 · 历史著名量化事故 · 量化推荐书单
Part 2：量化基础
建立扎实根基，理解市场、数据、策略和回测
| 课程 | 标题 |
|---|---|
| 第02课 | 金融市场与交易基础 |
| 第03课 | 数学与统计基础 |
| 第04课 | 技术指标的真实角色 |
| 第05课 | 经典策略范式 |
| 第06课 | 数据工程的残酷现实 |
| 第07课 | 回测系统的陷阱 |
| 第08课 | Beta、对冲与市场中性 |
背景知识：交易所与订单簿机制 · 高频市场微结构 · Tick级回测框架 · 夏普比率的统计陷阱 · K线形态与量价分析 · 加密货币交易特点 · 数据源与API对比
Part 3：机器学习
从传统模型到决策Agent的转变
| 课程 | 标题 |
|---|---|
| 第09课 | 监督学习在量化中的应用 |
| 第10课 | 从模型到Agent |
背景知识：LLM量化研究进展 · Triple Barrier标签方法 · 时间序列交叉验证（Purged CV） · 强化学习在交易中的应用 · 另类数据（NLP与卫星） · Meta-Labeling方法 · 特征工程常见陷阱 · 机器学习在金融中的限制 · 模型架构选择指南 · 模型漂移与再训练 · MLOps基础设施 · 前沿ML与RL方法（2025）
Part 4：多智能体系统
构建协作的Agent架构，实现分工与风控
| 课程 | 标题 |
|---|---|
| 第11课 | 为什么需要多智能体 |
| 第12课 | 市场状态识别 |
| 第13课 | Regime误判与系统性崩溃模式 |
| 第14课 | LLM在量化中的应用 |
| 第15课 | 风险控制与资金管理 |
| 第16课 | 组合构建与风险暴露管理 |
| 第17课 | 在线学习与策略进化 |
背景知识：多智能体框架对比 · 量化开源框架对比 · 均值方差组合优化
Part 5：生产与实战
从回测到实盘，部署可运行的交易系统
| 课程 | 标题 |
|---|---|
| 第18课 | 交易成本建模与可交易性 |
| 第19课 | 执行系统 - 从信号到真实成交 |
| 第20课 | 生产运维 |
| 第21课 | 项目实战 |
| 第22课 | 总结与进阶方向 |
背景知识：执行模拟器实现 · 策略同质化与容量瓶颈 · 程序化交易监管（2024-2025）
附录
| 附录 | 标题 |
|---|---|
| 附录A | 实盘交易记录标准指南 |
| 附录B | 量化系统的12种典型死亡方式 |
| 附录C | 人类决策与自动化边界 |
| 附录D | 量化交易常见问题FAQ |
参考资料
统计
| 项目 | 数量 |
|---|---|
| 正文课程 | 22 课 |
| 背景知识 | 30 篇 |
| 附录 | 4 篇 |
| 总计 | 56 篇 |
阅读建议
| 读者类型 | 推荐路径 |
|---|---|
| 零基础入门 | Part 1 → Part 2 全部 → Part 3 → Part 4（跳过第13课）→ Part 5 |
| 有编程基础 | 第01课 → Part 2 快速浏览 → Part 3-5 全部 |
| 有量化基础 | 第01课 → 第08课 → Part 3-5 全部 |
| 只关心架构 | 第01课 → 第10-17课 → 附录B |