📌 项目地址：stefan-jansen/machine-learning-for-trading | ⭐ 17,780 颗星 | 🔧 Jupyter Notebook | 📜 未标注
项目定位：它是一本教材的代码，不是一个回测平台
stefan-jansen/machine-learning-for-trading 是《Machine Learning for Algorithmic Trading》第二版（2020年出版）的配套代码仓库。作者 Stefan Jansen，全书 800 多页，23 章加附录。仓库里放了 150 多个 Jupyter Notebook，每个对应书中某个章节或案例。所有 Notebook 已经执行过，打开能看到输出和图。README 明确建议“边看书边看Notebook”，因为 Notebook 里包含书里没写进去的细节。
它不是一键回测系统，不是数据供应商，也不是交易机器人。它是一套教学实验代码。你如果想直接拿它跑自己的策略，可以，但需要自己搭数据管道和环境。
150 个 Notebook 实际覆盖了什么
仓库按书的四部分组织，每部分对应不同阶段：
第一部分（第1–5章）：数据获取与特征工程
演示怎么处理市场数据（Yahoo Finance、Quandl）、基本面数据（SEC EDGAR、WRDS）、另类文本数据（财报电话会议记录、新闻）。特征工程部分包括计算金融指标、时间序列对齐、滚动统计量。代码只提供方法，不提供数据文件。你要自己搞定数据下载和清洗。我用 Quandl 的免费 API 跑过第一章的 Notebook，发现接口参数已经有变化，需要改两行代码。
第二部分（第6–13章）：从监督/无监督模型到策略构建
从线性回归、随机森林、XGBoost 到聚类、PCA。每个模型后面跟着一个具体的多空策略实现：把模型预测转成信号，用回测框架算夏普比率、最大回撤。还演示了特征选择、过拟合检查、时间序列交叉验证。这部分是复现价值最高的——你可以用自己的数据跑通整个实验流程。不过书里用的 scikit-learn 版本偏旧，我试了下 PCA 的 Notebook，PCA.inverse_transform 的用法在新版里没有变化，但一些 deprecated 参数会报 warning。
第三部分（第14–20章）：深度学习
CNN 和 RNN 用在价格序列和替代数据（比如新闻文本嵌入）。生成对抗网络（GAN）合成金融时间序列，深度强化学习训练交易智能体。代码依赖 TensorFlow 或 PyTorch，版本偏旧（书2020年出版），在新环境下可能报错或出警告。我用 PyTorch 1.12 跑过 RNN 的 Notebook，torch.nn.utils.rnn.pack_padded_sequence 的用法没有变化，但 GPU 检测部分需要手动指定设备。
第四部分（第21–23章）：策略整合与评估
把所有技术合并成端到端策略，用回测框架做绩效分析。部分 Notebook 复现了近几年的学术论文结果，比如用 GAN 增强数据、用深度强化学习管理仓位。这些 Notebook 的数据集比较大，下载需要时间。我没完全跑通第22章的强化学习 Notebook，因为环境依赖（gym 版本）冲突，折腾了半天。
三个必须面对的现实
1. 数据问题：仓库里一个 .csv 都没有
README 提到数据来源（Yahoo Finance、Quandl、SEC EDGAR、WRDS 等），但下载、清洗、对齐全归你管。部分 Notebook 依赖 WRDS 这类付费数据库。如果你想用免费数据，得处理 API 限制、时区问题、复权计算。这一步会花掉不少时间，但也是最有价值的“动手训练”——你被迫理解数据管道。
2. 环境依赖偏旧，不能“解压即用”
Notebook 虽然已执行，但如果你想改参数、换标的、改回测时间段，就必须自己改代码并调试。我试了下在 Python 3.10 上跑第二章的 Notebook，pandas-datareader 的接口已经变了，得改两行代码才能跑通。类似的小问题会在多章出现。依赖管理可以看仓库的 requirements.txt（在根目录下），不过你需要自己处理版本冲突。我建议用 conda 创建一个 Python 3.8 的环境，配合 requirements.txt 安装，概率最小。
3. 学习门槛不低
你需要熟练用 pandas、scikit-learn，以及至少一个深度学习框架（TensorFlow / PyTorch）。金融方面要理解多空、夏普比率、最大回撤、信息系数这些概念。如果你连 rolling() 和 shift() 都不熟，第一个关于特征工程的 Notebook 就会卡住。这不是零基础教程，它假设读者已经会写 Python 并懂基本量化词汇。
我的学习路线建议
买了书之后（亚马逊链接在 README 顶部），按章节顺序读，不要跳。每章读一遍，然后打开对应的 Notebook，先看已执行的结果，再对照书里的解释。读完后，用自己的数据替换 Notebook 的输入，重新跑一遍。这一步最花时间，但也最能检验你有没有真懂。
碰到感兴趣的模型（比如 XGBoost + 多空策略），独立写一个回测脚本，不依赖 Notebook 里的数据管道。写完之后，用历史数据跑一次，看结果跟书里是否接近。这一步能把你从“读完”推到“会用”。
遇到问题去社区平台提问：https://exchange.ml4trading.io/（README 里给的链接）。作者偶尔也参与回复。整个流程预计需要 3–6 个月，每天 1–2 小时。
社区与许可
README 邀请读者加入 exchange.ml4trading.io，讨论代码实现、策略调参、数据获取。平台目前有一定活跃度（几百个用户），但算不上热闹。许可协议是 BSD-3-Clause，代码可以自由修改和使用，但需要保留版权声明。
一句话总结
这个仓库是目前公开可用的、结构最完整的“机器学习 + 交易”教学材料之一。它的价值在于完整暴露了从数据工程到策略回测的整个 pipeline，并且包含不少其他地方找不到的学术论文复现代码。代价是你需要投入时间学习、自己解决数据问题、调试代码。认清这个定位，它就能帮你省掉大量从零摸索的时间。如果以为它是一个“下载即用”的交易系统，你会失望。