本课程讲解如何评估、比较并使用现代 AI 平台开展选股筛选、情绪分析与自动化金融研究。课程覆盖 TradingView、FinRL、QuantConnect、ChatGPT、MT5 以及企业级 AutoML 系统中的工具，让学员动手构建筛选模型与 AI 工作流。课程重点关注信号生成、NLP 结果解读、平台选型与工具链集成，帮助学员形成可用于真实市场分析的实操能力。完成课程后，学员能够设计完整的 AI 流水线、对各平台做基准比较，并以透明、可靠的方式部署以洞察驱动的选股筛选系统。
成长
技能和学习目标
本课程有 9 个模块
- AI 在金融交易与分析中的兴起解锁本课程后观看3 分钟 31 秒
- AI 在市场分析中的关键作用：信号生成、预测与情绪挖掘解锁本课程后观看3 分钟 56 秒
- 交易环境中的人类推理与机器推理解锁本课程后观看2 分钟 35 秒
- 评估 AI 平台的框架：透明度、准确度与可定制性解锁本课程后观看2 分钟 33 秒
- 对比矩阵：AI 工具、用例、所需技能与成本解锁本课程后观看2 分钟 52 秒
- 搭配大模型插件的 TradingView：构建智能看板与告警解锁本课程后观看2 分钟 26 秒
- FinChat、Perplexity AI 与 Bard：读图的对话式界面解锁本课程后观看2 分钟 27 秒
- 形态识别 AI：Tickeron、TrendSpider 与 ChartMill解锁本课程后观看2 分钟 37 秒
- 实时用例：搭建多信号 TradingView 工作区解锁本课程后观看2 分钟 32 秒
- 交互式工具的局限：黑箱警示与幻觉风险解锁本课程后观看2 分钟 14 秒
- FinRL 与 ElegantTrader：动态组合的强化学习解锁本课程后观看3 分钟 31 秒
- Backtrader 与 Zipline：历史策略测试环境解锁本课程后观看3 分钟 7 秒
- XGBoost、CatBoost 与 AutoTS：用于挖掘阿尔法的表格模型解锁本课程后观看3 分钟 20 秒
- 流水线设计：从数据接入到 Jupyter 回测报告解锁本课程后观看2 分钟 56 秒
- 案例研究：用自定义 ML 模型构建每日选股器（Python）解锁本课程后观看2 分钟 43 秒
- 量化绩效指标与组合风险看板解锁本课程后观看2 分钟 45 秒
- QuantConnect（LEAN）：基于机构数据的算法研究解锁本课程后观看2 分钟 3 秒
- MetaTrader 5（MT5）与 Python 桥接：从指标到执行解锁本课程后观看1 分钟 52 秒
- QuantRocket 与盈透证券：数据处理与实盘下单解锁本课程后观看1 分钟 40 秒
- Alpaca、Tradier 与 OANDA API：不依赖特定券商的策略部署解锁本课程后观看1 分钟 36 秒
- 案例研究：在 QuantConnect 中构建并执行动量策略解锁本课程后观看1 分钟 39 秒
- 平台考量：成本、券商支持与策略复杂度解锁本课程后观看2 分钟 16 秒
- FinBERT 与 VADER：财报电话会预训练模型对比解锁本课程后观看1 分钟 54 秒
- 新闻流整合：AlphaSense、RavenPack 与自定义 API 解析解锁本课程后观看1 分钟 59 秒
- Reddit、推特与 StockTwits 数据：散户情绪中的信号与噪音解锁本课程后观看1 分钟 58 秒
- 设计演练：面向美股的大模型情绪看板解锁本课程后观看2 分钟 9 秒
- 道德风险：操纵、语言模型偏见与错误信息解锁本课程后观看1 分钟 41 秒
- H2O.ai 与 DataRobot：面向价格预测的企业级 AutoML解锁本课程后观看3 分钟 26 秒
- Google AutoML 与 Vertex AI：金融时间序列的快速原型解锁本课程后观看2 分钟 31 秒
- Akkio、Obviously AI 与 Orange：面向交易洞察的无代码工具解锁本课程后观看2 分钟 35 秒
- 对比表：灵活性、简易性与模型准确度解锁本课程后观看2 分钟 3 秒
- 用例：在货币数据上部署无代码信号模型解锁本课程后观看1 分钟 49 秒
- 模型可解释性：SHAP、LIME 与注意力图解锁本课程后观看3 分钟 4 秒
- IEX Cloud、Polygon.io 与 Alpha Vantage：实时与历史市场数据 API解锁本课程后观看4 分钟 57 秒
- 将 OpenAI 与市场 API 结合：用 ChatGPT 做财报摘要与风险提醒解锁本课程后观看3 分钟 18 秒
- 工具链：串联 GPT、TradingView 与 Alpaca 实现事件驱动交易解锁本课程后观看2 分钟 18 秒
- 风险与控制：延迟、速率限制与自动化隐患解锁本课程后观看2 分钟 29 秒
- 安全与访问控制清单解锁本课程后观看3 分钟 6 秒
- 设计工具栈：让目标与平台能力匹配解锁本课程后观看2 分钟 55 秒
- 部署方式：云端看板、浏览器应用与 IDE 流水线解锁本课程后观看2 分钟 50 秒
- 合规与监控：券商审计、日志与模型风险解锁本课程后观看2 分钟 8 秒
- 交易中 AI 的道德使用：归因、过拟合与公平准入解锁本课程后观看2 分钟 7 秒
- 数据治理工具与版本控制解锁本课程后观看1 分钟 42 秒
- 结业项目 1：构建端到端交易流水线（情绪 + 价格模型）解锁本课程后观看1 分钟 50 秒
- 结业项目 2：比较两个平台（FinRL 与 QuantConnect）解锁本课程后观看1 分钟 24 秒
- 结业项目 3：设计带 NLP 反馈的交互式交易界面解锁本课程后观看2 分钟 39 秒
- 结语解锁本课程后观看1 分钟 16 秒
本课程是以下的一部分 认证
课程常见问题
本课程旨在讲授如何将 AI、机器学习与 NLP 应用于股票筛选与投资研究，通过结合结构化财务数据与非结构化文本构建智能选股系统。
本课程面向希望将 AI 增强研究工具、情绪模型与自动化筛选融入股票分析流程的分析师、交易员、数据科学家与投资专业人士。
该模块涵盖分词、词嵌入、主题建模、实体抽取与情绪打分，并将其应用于监管文件、财报电话会记录与财经新闻。
课程讲解基于大语言模型的筛选器、研究助手智能体、提示词工程、因子与大模型混合筛选，以及投资研究中的自动化论点生成。
学员将学会验证排序模型、识别偏差与漂移、运用可解释性工具、落实治理与合规标准，并构建生产级 AI 选股仪表板。
探索
更多来自 trading
评论
我们的学员怎么说
4.6
0 条评论