课程目录：

├── 1 课程简介【.mp4
├── 10 关键字【.mp4
├── 100 案例：步骤3：回测策略.mp4
├── 101 案例：步骤4：回测的可视化分析【.mp4
├── 102 案例：步骤5：DeepSeek辅助优化策略【.mp4
├── 103 高频交易策略概述.mp4
├── 104 高频交易交易策略中常见算法策略【.mp4
├── 105 使用DeepSeek辅助实施高频交易策略过程.mp4
├── 106 案例：步骤1：DeepSeek辅助制定策略【.mp4
├── 107 案例：步骤2：DeepSeek辅助选择交易平台【.mp4
├── 108 案例：骤3：DeepSeek辅助撰写交易算法【.mp4
├── 109 构建高频交易框架【.mp4
├── 11 变量声明.mp4
├── 110 案例：基本高频交易框架BHTF实现【.mp4
├── 111 案例：基于配对交易策略的高频交易实施过程.mp4
├── 112 案例：DeepSeek辅助HTF框架下【.mp4
├── 113 DeepSeek辅助实现其他编程语言的HTF框.mp4
├── 114 套利策略的定义与概念【.mp4
├── 115 实施套利交易策略【.mp4
├── 116 使用DeepSeek辅助实施套利交易策略过程【.mp4
├── 117 案例：gupiaoA跨市场套利.mp4
├── 118 案例：利用美元与欧元汇率差异来套利.mp4
├── 119 案例：同行业相对值套利策略.mp4
├── 12 语句【.mp4
├── 120 案例：中国石油和中国石化配对交易套利【.mp4
├── 121 机器学习策略中一些主要概念.mp4
├── 122 机器学习策略分类.mp4
├── 123 Python机器学习库【.mp4
├── 124 机器学习策略实施过程.mp4
├── 125 案例：步骤1：数据准备和处理.mp4
├── 126 案例：步骤2：模型训练【.mp4
├── 127 案例：步骤3：使用DeepSeek进行模型评估【.mp4
├── 128 案例：步骤4：使用DeepSeek进行优化模型【.mp4
├── 129 案例：步骤5：预测gupiao走势.mp4
├── 13 Python代码块_【.mp4
├── 130 案例：步骤1：数据准备和处理【.mp4
├── 131 案例：步骤2：模型训练.mp4
├── 132 案例：步骤3：预测gupiao走势【.mp4
├── 133 案例：步骤4：使用DeepSeek进行模型评估【.mp4
├── 134 案例：步骤5：使用DeepSeek进行优化模型_【.mp4
├── 135 案例：步骤6：使用优化后的模型再次预测.mp4
├── 136 案例：步骤1：加载和清洗数据【.mp4
├── 137 案例：步骤2：模型训练【.mp4
├── 138 案例：步骤3：可视化结果【.mp4
├── 139 案例：步骤4：使用DeepSeek进行模型评估【.mp4
├── 14 模块【.mp4
├── 140 案例：步骤5：使用DeepSeek优化模型.mp4
├── 141 案例：步骤6：bitebi价格预测.mp4
├── 142 再谈回测.mp4
├── 143 常见回测框架.mp4
├── 144 使用Backtrader框架.mp4
├── 145 Backtrader使用流程【.mp4
├── 146 案例：使用Backtrader回测苹果【.mp4
├── 147 DeepSeek辅助优化Backtrader参.mp4
├── 148 止损与止盈策略.mp4
├── 149 案例：基于移动均线的固定止损与止盈策略【.mp4
├── 15 运算符【.mp4
├── 16 数据类型.mp4
├── 17 字符串类型【.mp4
├── 18 控制语句【.mp4
├── 19 函数.mp4
├── 2 DeepSeek介绍【.mp4
├── 20 NumPy库【.mp4
├── 21 创建数组.mp4
├── 22 二维数组【.mp4
├── 23 数组的属性【.mp4
├── 24 三维数组【.mp4
├── 25 访问数组.mp4
├── 26 Pandas库_.mp4
├── 27 Series数据结构.mp4
├── 28 DataFrame数据结构.mp4
├── 29 案例：从CSV文件读取货币供应量数据_.mp4
├── 3 如何使用DeepSeek？.mp4
├── 30 案例：从Excel文件读取货币供应量数据.mp4
├── 31 案例：从数据库读取苹果gupiao数据.mp4
├── 32 量化交易可视化库.mp4
├── 33 使用Matplotlib绘制图表【.mp4
├── 34 使用Seaborn绘制图表【.mp4
├── 35 案例：使用Matplotlib绘制英伟达【.mp4
├── 36 案例：绘制英伟达gupiaoOHLC折线图【.mp4
├── 37 K线图.mp4
├── 38 案例：绘制英伟达gupiaoK线图.mp4
├── 39 数据采集概述.mp4
├── 4 Python编程在量化交易中的重要性和优势【.mp4
├── 40 使用urllib爬取静态网页数据【.mp4
├── 41 案例：爬取苹果gupiao数据_【.mp4
├── 42 解析数据.mp4
├── 43 案例：解析苹果gupiao数据【.mp4
├── 44 使用Selenium爬取网页数据.mp4
├── 45 案例：爬取在使用中石油gupiao数据【.mp4
├── 46 案例：使用Selenium解析HTML数据.mp4
├── 47 借助DeepSeek工具爬取网页数据数据.mp4
├── 48 API调用采集数据【.mp4
├── 49 使用TushareAPI采集数据【.mp4
├── 5 DeepSeek+Python赋能量化交易【.mp4
├── 50 案例：使用Tushare API获取中石油股_.mp4
├── 51 数据清洗与预处理【.mp4
├── 52 案例：处理gupiao数据缺失值.mp4
├── 53 案例：处理gupiao数据类型不一致.mp4
├── 54 DeepSeek助力数据清洗【.mp4
├── 55 案例：使用DeepSeek清洗特斯拉.mp4
├── 56 统计分析.mp4
├── 57 统计描述和摘要【.mp4
├── 58 案例：gupiao行业相关性分析.mp4
├── 59 案例：苹果gupiao数据统计描述和摘要分析_.mp4
├── 6 Python解释器.mp4
├── 60 案例：处理gupiao数据异常值【.mp4
├── 61 量化交易概述.mp4
├── 62 技术分析.mp4
├── 63 基本面分析【.mp4
├── 64 量化交易策略的概述.mp4
├── 65 DeekSeep辅助技术分析_【.mp4
├── 66 案例：利用DeekSeep对某上市公司.mp4
├── 67 案例：利用DeekSeep对000001.S.mp4
├── 68 DeekSeep辅助基本面分析【.mp4
├── 69 案例：利用DeepSeek对“央行发布降息2.mp4
├── 7 IDE【.mp4
├── 70 案例：利用DeepSeek对“重磅项目获得批【.mp4
├── 71 案例：猛龙科技获大单DeepSeek提出交.mp4
├── 72 实战案例：某新能源概念股获多项利好DeepS【.mp4
├── 73 案例：DeepSeek预测某城市商业地产市场【.mp4
├── 74 实战案例：DeepSeek用于预测“新能源汽车【.mp4
├── 75 趋势跟踪策略概述【.mp4
├── 76 趋势跟踪和交易决策中一些主要概念_【.mp4
├── 77 使用移动平均线进行分析【.mp4
├── 78 使用DeepSeek辅助趋势跟踪策略决策过程_【.mp4
├── 79 案例：步骤1：数据采集和加载数据.mp4
├── 8 第一个Python程序_.mp4
├── 80 案例：步骤2：计算移动平均线.mp4
├── 81 案例：步骤3：初始策略规则的制定【.mp4
├── 82 案例：步骤4：生成买入和卖出信号.mp4
├── 83 案例：步骤5：DeepSeek赋能模拟回测验证策_.mp4
├── 84 案例：步骤 6：绘制K线图和信号【.mp4
├── 85 案例：步骤7：DeepSeek辅助优化策略.mp4
├── 86 动量策略概述【.mp4
├── 87 相对强弱指标.mp4
├── 88 使用DeepSeek辅助动量策略决策过程.mp4
├── 89 案例：步骤1：数据采集与预处理【.mp4
├── 9 标识符【.mp4
├── 90 案例：步骤2：计算RSI指标.mp4
├── 91 案例：步骤3：初始策略规则的制定【.mp4
├── 92 案例：步骤4：生成买入和卖出信号【.mp4
├── 93 案例：步骤5：绘制RSI曲线与交易信号.mp4
├── 94 案例：步骤6：模拟回测验证策略【.mp4
├── 95 案例：步骤7：DeepSeek辅助优化策略.mp4
├── 96 海龟策略诞生传奇与基础概念.mp4
├── 97 使用DeepSeek辅助实施海龟交易策略过程【.mp4
├── 98 案例：步骤1：数据获取和准备数据.mp4
└── 99 案例：步骤2：封装海龟策略函数【.mp4
├── code
│ ├── .idea
│ │ ├── inspectionProfiles
│ │ │ └── profiles_settings.xml
│ │ ├── .gitignore
│ │ ├── code.iml
│ │ ├── misc.xml
│ │ ├── modules.xml
│ │ └── workspace.xml
│ ├── .ipynb_checkpoints
│ │ ├── 3.13 读写数据-checkpoint.ipynb
│ │ ├── 4.3 K线图-checkpoint.ipynb
│ │ ├── 4.4.5 案例7：绘制英伟达股票K线图-checkpoint.ipynb
│ │ ├── 4.5 时间序列分析与可视化-checkpoint.ipynb
│ │ ├── chapter10-checkpoint.ipynb
│ │ ├── chapter8-checkpoint.ipynb
│ │ ├── chapter9-checkpoint.ipynb
│ │ ├── Untitled-checkpoint.ipynb
│ │ ├── untitled-checkpoint.py
│ │ ├── Untitled1-checkpoint.ipynb
│ │ └── untitled1-checkpoint.py
│ ├── ch02
│ │ ├── .ipynb_checkpoints
│ │ │ ├── 2.10 字符串类型-checkpoint.ipynb
│ │ │ ├── 2.10.2 字符串格式化-checkpoint.ipynb
│ │ │ ├── 2.11 函数-checkpoint.ipynb
│ │ │ ├── 2.11.1 匿名函数与lambda表达式-checkpoint.ipynb
│ │ │ ├── 2.11.2 数据处理中的两个常用函数1．过滤函数filter-checkpoint.ipynb
│ │ │ ├── 2.11.2 数据处理中的两个常用函数2．映射函数map-checkpoint.ipynb
│ │ │ ├── 2.4.6 模块-checkpoint.ipynb
│ │ │ ├── 2.5.1 数据类型-checkpoint.ipynb
│ │ │ ├── 2.5.2 运算符-checkpoint.ipynb
│ │ │ ├── 2.6 控制语句 1. if结构-checkpoint.ipynb
│ │ │ ├── 2.6 控制语句 2．if-else结构-checkpoint.ipynb
│ │ │ ├── 2.6 控制语句 3．elif结构-checkpoint.ipynb
│ │ │ ├── 2.6.2 循环语句1．while语句-checkpoint.ipynb
│ │ │ ├── 2.6.2 循环语句2．for语句-checkpoint.ipynb
│ │ │ ├── 2.6.3 跳转语句1．break语句-checkpoint.ipynb
│ │ │ ├── 2.6.3 跳转语句2．continue语句-checkpoint.ipynb
│ │ │ ├── 2.7.1 索引操作 -checkpoint.ipynb
│ │ │ ├── 2.7.2 序列切片-checkpoint.ipynb
│ │ │ ├── 2.7.3 可变序列——列表-checkpoint.ipynb
│ │ │ ├── 2.7.4 不可变序列——元组-checkpoint.ipynb
│ │ │ ├── 2.8.1 创建集合-checkpoint.ipynb
│ │ │ └── 2.9.1 创建字典-checkpoint.ipynb
│ │ ├── __pycache__
│ │ │ ├── module1.cpython-312.pyc
│ │ │ └── module1.cpython-39.pyc
│ │ ├── 2.10 字符串类型.ipynb
│ │ ├── 2.10.2 字符串格式化.ipynb
│ │ ├── 2.11 函数.ipynb
│ │ ├── 2.11.1 匿名函数与lambda表达式.ipynb
│ │ ├── 2.11.2 数据处理中的两个常用函数1．过滤函数filter.ipynb
│ │ ├── 2.11.2 数据处理中的两个常用函数2．映射函数map.ipynb
│ │ ├── 2.4.6 模块.ipynb
│ │ ├── 2.5.1 数据类型.ipynb
│ │ ├── 2.5.2 运算符.ipynb
│ │ ├── 2.6 控制语句 1. if结构.ipynb
│ │ ├── 2.6 控制语句 2．if-else结构.ipynb
│ │ ├── 2.6 控制语句 3．elif结构.ipynb
│ │ ├── 2.6.2 循环语句1．while语句.ipynb
│ │ ├── 2.6.2 循环语句2．for语句.ipynb
│ │ ├── 2.6.3 跳转语句1．break语句.ipynb
│ │ ├── 2.6.3 跳转语句2．continue语句.ipynb
│ │ ├── 2.7.1 索引操作 .ipynb
│ │ ├── 2.7.2 序列切片.ipynb
│ │ ├── 2.7.3 可变序列——列表.ipynb
│ │ ├── 2.7.4 不可变序列——元组.ipynb
│ │ ├── 2.8.1 创建集合.ipynb
│ │ ├── 2.9.1 创建字典.ipynb
│ │ ├── module1.py
│ │ └── 建math_operations.py
│ ├── ch03
│ │ ├── .ipynb_checkpoints
│ │ │ ├── 1.NumPy库（3.2~3.8）-checkpoint.ipynb
│ │ │ ├── 2.Pandas库-checkpoint.ipynb
│ │ │ ├── 3.13 读写数据-checkpoint.ipynb
│ │ │ ├── 3.2 创建数组-checkpoint.ipynb
│ │ │ └── chapter 3-checkpoint.ipynb
│ │ ├── data
│ │ │ ├── NASDAQ.sql
│ │ │ ├── NASDAQ_DB.db
│ │ │ ├── 的商品房销售面月度数据.csv
│ │ │ ├── 的商品房销售面月度数据.xls
│ │ │ ├── 货币供应量月度数据.csv
│ │ │ ├── 货币供应量月度数据.xls
│ │ │ └── 水果.csv
│ │ ├── 3.10.2 创建Series对象1.使用列表创建Series.ipynb
│ │ ├── 3.10.2 创建Series对象1使用NumPy数组创建Series.ipynb
│ │ ├── 3.10.2 创建Series对象3.指定索引.ipynb
│ │ ├── 3.10.2 创建Series对象4.使用标量创建Series.ipynb
│ │ ├── 3.10.2 创建Series对象5.使用字典创建Series.ipynb
│ │ ├── 3.10.4 通过下标访问Series数据1.通过标签下标访问Series数据.ipynb
│ │ ├── 3.10.4 通过下标访问Series数据2. 通过位置下标访问Series数据.ipynb
│ │ ├── 3.10.5 通过切片访问Series数据1.通过标签切片访问Series数据.ipynb
│ │ ├── 3.10.5 通过切片访问Series数据2. 通过位置下标访问Series数据.ipynb
│ │ ├── 3.11.1 创建DataFrame对象1. 使用列表创建DataFrame.ipynb
│ │ ├── 3.11.1 创建DataFrame对象2.指定行标签和列标签.ipynb
│ │ ├── 3.11.1 创建DataFrame对象3. 使用字典创建DataFrame对象.ipynb
│ │ ├── 3.12.1 访问DataFrame列.ipynb
│ │ ├── 3.12.2 访问DataFrame行.ipynb
│ │ ├── 3.13.2 案例1：从CSV文件读取货币供应量数据.ipynb
│ │ ├── 3.13.4 案例2：写入水果数据到CSV文件.ipynb
│ │ ├── 3.13.6 案例3：从Excel文件读取货币供应量数据.ipynb
│ │ ├── 3.13.8 案例4：从数据库读取苹果股票数据.ipynb
│ │ ├── 3.2.1 创建一维数组.ipynb
│ │ ├── 3.2.2 指定数组数据类型.ipynb
│ │ ├── 3.3.1 创建二维数组1. 使用列表嵌套.ipynb
│ │ ├── 3.3.1 创建二维数组2. 使用reshape()函数.ipynb
│ │ ├── 3.5 数组的属性.ipynb
│ │ ├── 3.7 三维数组.ipynb
│ │ ├── 3.8.1 索引访问1. 一维数组索引访问.ipynb
│ │ └── 3.8.1 索引访问2. 二维数组索引访问.ipynb
│ ├── ch04
│ │ ├── .ipynb_checkpoints
│ │ │ ├── 4.2 使用Matplotlib绘制图表-checkpoint.ipynb
│ │ │ ├── 4.3 K线图-checkpoint.ipynb
│ │ │ ├── 4.3 使用Seaborn绘制图表-checkpoint.ipynb
│ │ │ ├── 4.4 使用Seaborn绘制图表-checkpoint.ipynb
│ │ │ ├── 4.4.1 案例5：使用Matplotlib绘制英伟达股票历史成交量折线图-checkpoint.ipynb
│ │ │ ├── 4.4.2 案例6：绘制英伟达股票OHLC折线图-checkpoint.ipynb
│ │ │ ├── 4.5 时间序列分析与可视化-checkpoint.ipynb
│ │ │ ├── chapter 4-checkpoint.ipynb
│ │ │ └── Untitled-checkpoint.ipynb
│ │ ├── data
│ │ │ ├── AAPL.csv
│ │ │ ├── HistoricalData_NVIDIA.csv
│ │ │ ├── stock_data.csv
│ │ │ ├── stock_data（4测试绘制线性回归图）.csv
│ │ │ ├── 股票数据Test.csv
│ │ │ └── 贵州茅台股票历史交易数据.csv
│ │ ├── 4.2.3 绘制折线图.ipynb
│ │ ├── 4.2.4 绘制柱状图.ipynb
│ │ ├── 4.2.5 绘制饼状图.ipynb
│ │ ├── 4.2.6 绘制散点图.ipynb
│ │ ├── 4.3.1 箱线图.ipynb
│ │ ├── 4.3.2 小提琴图.ipynb
│ │ ├── 4.3.4 Dist图.ipynb
│ │ ├── 4.3.5 线性回归图.ipynb
│ │ ├── 4.3.6 热力图.ipynb
│ │ ├── 4.4.1 案例5：使用Matplotlib绘制英伟达股票历史成交量折线图.ipynb
│ │ ├── 4.4.2 案例6：绘制英伟达股票OHLC折线图.ipynb
│ │ └── 4.4.5 案例7：绘制英伟达股票K线图.ipynb
│ ├── ch05
│ │ ├── .ipynb_checkpoints
│ │ │ ├── 5.2 网页数据采集-checkpoint.ipynb
│ │ │ ├── 5.2.7 案例11：爬取在使用中石油股票数据-checkpoint.ipynb
│ │ │ ├── 5.2.7 案例11：爬取中石油股票数据-checkpoint.ipynb
│ │ │ ├── 5.3.2 案例2：解析纳斯达克股票数据-checkpoint.ipynb
│ │ │ ├── 5.3.3 实战案例13：使用Tushare API获取中石油股票数据-checkpoint.ipynb
│ │ │ ├── 5.3.4 案例3：爬取搜狐证券贵州茅台股票数据-checkpoint.ipynb
│ │ │ ├── 5.3.5 案例4：使用Selenium解析HTML数据-checkpoint.ipynb
│ │ │ ├── 5.4.1 案例：ABC股票数据清洗-checkpoint.ipynb
│ │ │ ├── 5.4.3 案例5：使用Tushare API获取贵州茅台股票数据-checkpoint.ipynb
│ │ │ ├── 5.5.3 案例7：处理股票数据缺失值-checkpoint.ipynb
│ │ │ ├── 5.5.4 案例8：处理股票数据类型不一致-checkpoint.ipynb
│ │ │ ├── chapter5 -checkpoint.ipynb
│ │ │ └── chapter5-checkpoint.ipynb
│ │ ├── data
│ │ │ ├── AAPL.csv
│ │ │ ├── lsjysj_600519.html
│ │ │ ├── nasdaq-Apple1.html
│ │ │ ├── stock_data – 副本.csv
│ │ │ ├── stock_data.csv
│ │ │ ├── stock_data（相关性）.csv
│ │ │ ├── stock_data（因子分析）(1).csv
│ │ │ ├── stock_data（因子分析）.csv
│ │ │ ├── 股票交易数据0.xlsx
│ │ │ ├── 股票数据Test.csv
│ │ │ ├── 贵州茅台股票历史交易数据.csv
│ │ │ ├── 纳斯达克股票数据.csv
│ │ │ ├── 苹果股票数据.csv
│ │ │ ├── 搜狐证券贵州茅台股票数据.csv
│ │ │ ├── 特斯拉股票数据.csv
│ │ │ ├── 特斯拉股票数据.txt
│ │ │ └── 特斯拉股票数据（清洗后）.csv
│ │ ├── 5.2.5 实战案例10：解析苹果股票数据.ipynb
│ │ ├── 5.2.7 案例11：爬取中石油股票数据.ipynb
│ │ ├── 5.2.8 实战案例12：使用Selenium解析HTML数据.ipynb
│ │ ├── 5.3.2 案例2：解析纳斯达克股票数据.ipynb
│ │ ├── 5.3.3 实战案例13：使用Tushare API获取中石油股票数据.ipynb
│ │ ├── 5.5.3 案例7：处理股票数据缺失值.ipynb
│ │ ├── 5.5.4 案例8：处理股票数据类型不一致.ipynb
│ │ ├── 5.5.5 案例9：处理股票数据异常值.ipynb
│ │ ├── 5.6.3 案例10：股票行业相关性分析.ipynb
│ │ ├── 5.6.5 案例11：苹果股票数据统计描述和摘要分析.ipynb
│ │ ├── 特斯拉股票数据.csv
│ │ └── 特斯拉股票数据（清洗后）.csv
│ ├── ch08
│ │ ├── .ipynb_checkpoints
│ │ │ ├── 8.3 案例：使用DeepSeek辅助移动平均线策略分析微软股票-checkpoint.ipynb
│ │ │ └── chapter8-checkpoint.ipynb
│ │ ├── data
│ │ │ ├── HistoricalData_MSFT.csv
│ │ │ └── HistoricalData_NVIDIA.csv
│ │ └── chapter8.ipynb
│ ├── ch09
│ │ ├── .ipynb_checkpoints
│ │ │ ├── 9.4 案例：使用DeepSeek辅助中国铝业股票价格和RSI交易信号分析-checkpoint.ipynb
│ │ │ └── chapter9-checkpoint.ipynb
│ │ ├── data
│ │ │ ├── HistoricalData_MSFT.csv
│ │ │ ├── HistoricalData_NVIDIA.csv
│ │ │ ├── 中国铝业.xlsx
│ │ │ ├── 中国石化.xlsx
│ │ │ └── 中国石油.xlsx
│ │ └── chapter9.ipynb
│ ├── ch10
│ │ ├── .ipynb_checkpoints
│ │ │ ├── 10.3 案例：借助DeepSeek推进海龟交易策略落地 —— 以中国石油股票交易为例 – 副本-checkpoint.ipynb
│ │ │ ├── 10.3 案例：借助DeepSeek推进海龟交易策略落地 —— 以中国石油股票交易为例-checkpoint.ipynb
│ │ │ ├── 10.4 案例：借助DeepSeek推进海龟交易策略落地 —— 以中国石油股票交易为例-checkpoint.ipynb
│ │ │ └── chapter10-checkpoint.ipynb
│ │ ├── data
│ │ │ ├── 0601857股票历史交易数据.csv
│ │ │ ├── 0601857股票历史交易数据（清洗后）.csv
│ │ │ ├── HistoricalData_MSFT.csv
│ │ │ └── HistoricalData_NVIDIA.csv
│ │ └── chapter10.ipynb
│ ├── ch11
│ │ ├── .ipynb_checkpoints
│ │ │ ├── 11.3 29实战案例：利用DeepSeek辅助实施高频交易策略优化股票投资回报以比亚迪为例-checkpoint.py
│ │ │ ├── 11.3 案例-checkpoint.ipynb
│ │ │ ├── 11.4 案例2：基于价差的高频交易策略实施过程-checkpoint.ipynb
│ │ │ ├── 11.4 案例：基于价差的高频交易策略实施过程-checkpoint.ipynb
│ │ │ ├── BHTF-checkpoint.py
│ │ │ └── Untitled-checkpoint.ipynb
│ │ ├── logs
│ │ │ └── trading.log
│ │ ├── 11.5 实战案例31：基于配对交易策略的高频交易实施过程.py
│ │ ├── 11.5.1 实战案例32：DeepSeek辅助HTF框架下的动量策略——以苹果股票为例.py
│ │ ├── 11.5.2DeepSeek辅助实现其他编程语言的HTF框架.cpp
│ │ └── BHTF.py
│ ├── ch12
│ │ ├── .ipynb_checkpoints
│ │ │ ├── 12.5 案例：中国石油和中国石化配对交易套利-checkpoint.ipynb
│ │ │ └── chapter12-checkpoint.ipynb
│ │ ├── data
│ │ │ ├── 0600028股票历史交易数据.csv
│ │ │ ├── 0601600股票历史交易数据.csv
│ │ │ ├── 0601857股票历史交易数据.csv
│ │ │ ├── 中国石化.csv
│ │ │ └── 中国石油.csv
│ │ └── chapter12.ipynb
│ ├── ch13
│ │ ├── .ipynb_checkpoints
│ │ │ └── chapter13-checkpoint.ipynb
│ │ ├── data
│ │ │ ├── .ipynb_checkpoints
│ │ │ ├── HistoricalData_MSFT.csv
│ │ │ ├── HistoricalData_NVIDIA(10年).csv
│ │ │ ├── HistoricalData_NVIDIA(5年).csv
│ │ │ ├── HistoricalData_NVIDIA.csv
│ │ │ ├── 比特币历史数据 （6个月）.csv
│ │ │ └── 比特币历史数据（5年）.csv
│ │ ├── bitcoin_prediction_model.keras
│ │ ├── chapter13.ipynb
│ │ ├── nvidia_classification_mode .pkl
│ │ ├── nvidia_classification_model.pkl
│ │ ├── nvidia_regression_model.pkl
│ │ └── nvidia_regression_model_optimized.pkl
│ ├── ch14
│ │ ├── .ipynb_checkpoints
│ │ │ ├── 14.2.2 实战案例40：使用Backtrader回测苹果股票的双均线策略-checkpoint.py
│ │ │ └── 14.2.3 DeepSeek辅助优化Backtrader参数-checkpoint.py
│ │ ├── data
│ │ │ ├── AAPL.csv
│ │ │ ├── HistoricalData_MSFT.csv
│ │ │ ├── HistoricalData_NVIDIA(10年).csv
│ │ │ ├── HistoricalData_NVIDIA(5年).csv
│ │ │ └── HistoricalData_TSLA.csv
│ │ ├── 14.2.2 实战案例40：使用Backtrader回测苹果股票的双均线策略.py
│ │ └── 14.2.3 DeepSeek辅助优化Backtrader参数.py
│ ├── ch15
│ │ ├── data
│ │ │ ├── 5_Years_USD_Daily_Gold_Prices.xlsx
│ │ │ ├── AAPL.csv
│ │ │ ├── HistoricalData_AAPL.csv
│ │ │ ├── HistoricalData_TLT_AAPL.csv
│ │ │ ├── HistoricalData_TLT_AAPL（1年）.csv
│ │ │ ├── HistoricalData_TSLA.csv
│ │ │ └── stock_gold_data.csv
│ │ ├── 15.1.2 实战案例41：基于移动均线的固定止损与止盈策略.py
│ │ ├── 15.1.3 实战案例42：基于移动止损+移动止盈策略.py
│ │ ├── 15.1.5 实战案例43：基于波动率的动态头寸管理策略：以特斯拉为例.py
│ │ ├── 15.1.7 实战案例44：股票与黄金的风险分散投资策略.py
│ │ └── 15.1.9 实战案例45：对冲策略——股票与债券的对冲组合.py
│ ├── ch16
│ │ ├── 16.1.2 实战案例49：调用DeepSeek API获取财经新闻简报.py
│ │ └── 16.1.3 实战案例50：使用Tushare API+DeepSeek API分析股票数据.py
│ └── jupyter notebook.bat
├── 课件
│ ├── 第10章 海龟交易策略.pptx
│ ├── 第11章 借助DeepSeek构建与优化高频交易策略.pptx
│ ├── 第12章 利用DeepSeek实施套利交易策略.pptx
│ ├── 第13章 机器学习策略.pptx
│ ├── 第14章 量化交易回测框架与 DeepSeek优化.pptx
│ ├── 第15章 利用DeepSeek提高量化交易的风险管理效能.pptx
│ ├── 第1章 DeepSeek、Python与量化交易概述.pptx
│ ├── 第2章 量化交易Python语言基础.pptx
│ ├── 第3章 Python量化基础工具库.pptx
│ ├── 第4章 量化交易可视化库.pptx
│ ├── 第5章 数据采集与分析(1).pptx
│ ├── 第5章 数据采集与分析.pptx
│ ├── 第6章 量化交易基础.pptx
│ ├── 第7章 DeepSeek与量化交易结合.pptx
│ ├── 第8章 趋势跟踪策略.pptx
│ └── 第9章 动量策略与DeepSeek智能辅助决策.pptx