金融量化算法简要

准备编写一本关于金融量化相关的小册子，目录大纲如下所示。主要内容包括：R语言、Python语言、机器学习、深度学习、强化学习以及股票分析实战，附加金融量化方面的优秀文章介绍。 欢迎有意向的合作者加入，电邮：xyz2abc@163.com

1 R语言入门
1.1 R语言介绍
1.2 fGarch介绍
1.3 tseries介绍
1.4 quantmode介绍
1.5 compiler介绍
1.6 parallel介绍
1.7 股票趋势分析示例
1.7.1 股票数据下载示例
1.7.2 编写KDJ指标
1.7.3 编写成交量移动平均指标
1.7.4 编写keltner带指标
1.7.5 编写GMMA指标
1.7.6 编写BIAS指标
1.7.7 编写spearman指标
1.7.8 编写PVI指标
2 Python语言入门
2.1 python语言介绍
2.2 pandas介绍
2.3 numpy介绍
2.4 sklearn介绍
3 传统机器学习入门
3.1 SVM介绍
3.2 e1701介绍
3.3 Boost介绍
3.4 xgboost介绍
4 深度学习入门
4.1 神经网络介绍
4.2 深度神经网络介绍
4.3 RNN介绍
4.4 LSTM介绍
4.5 GRU介绍
5 强化学习入门
5.1 强化学习介绍
5.2 DQN介绍
5.3 DDQN介绍
5.4 Dueling DQN介绍
5.5 DDPG介绍
5.6 PPO介绍
6 Tensorflow入门
6.1 Tensorflow介绍
6.2 tf.keras介绍
6.3 DNN代码实现
6.4 RNN代码实现
6.5 LSTM代码实现
6.6 GRU代码实现
6.7 高级篇
6.7.1 自定义模型
6.7.2 自定义损失
6.7.3 自定义评测
7 股票分析实战
7.1 R语言篇
7.2 基于统计方法的因子生成
7.3 生成股票profile文件
7.4 Python语言篇
7.5 使用DNN实现多股票分析
7.6 使用RNN实现多股票分析
7.7 使用RNN实现单股票分析
7.8 使用DQN实现单股票分析
7.9 使用DDPG实现多股票组合分析
7.10 使用PPO实现多股票组合分析
8 优秀文章解读
9 企业价值分析