这个仓库名为 awesome-deep-trading，主要收集了将人工智能、深度学习、机器学习和神经网络应用于算法交易领域的代码、论文和资源。以下是对该仓库的详细介绍：
开源许可
该仓库采用开放访问的方式，使用者可以根据自己的选择，免费遵循 MIT 许可证或知识共享 CC - BY 国际公共许可证，对其中的内容进行使用和再利用。
内容结构
仓库内容主要分为三个部分：论文（Papers）、代码仓库（Repositories）和资源（Resources）。
论文（Papers）
包含了多个子类别，涵盖了不同技术和应用场景的相关研究： - Meta Analyses & Systematic Reviews：如《Application of machine learning in stock trading: a review》等，对机器学习在股票交易中的应用进行综述和评估。 - Convolutional Neural Networks (CNNs)：例如《A deep learning based stock trading model with 2 - D CNN trend detection》，研究如何利用卷积神经网络进行股票交易模型的构建。 - Long Short - Term Memory (LSTMs)：像《Application of Deep Learning to Algorithmic Trading, Stanford CS229》，探讨长短期记忆网络在算法交易中的应用。 - Generative Adversarial Networks (GANs)：如《Generative Adversarial Networks for Financial Trading Strategies Fine - Tuning and Combination》，研究生成对抗网络在金融交易策略调整和组合中的应用。 - High Frequency：涉及高频交易相关论文，如《Algorithmic Trading Using Deep Neural Networks on High Frequency Data》。 - Portfolio：关于投资组合管理的研究，如《Multi Scenario Financial Planning via Deep Reinforcement Learning AI》。 - Reinforcement Learning：众多关于强化学习在交易中的应用论文，如《Deep Reinforcement Learning Pairs Trading with a Double Deep Q - Network》。 - Vulnerabilities：例如《Adversarial Attacks on Deep Algorithmic Trading Policies》，研究深度算法交易策略的漏洞。 - Cryptocurrency：如《Recommending Cryptocurrency Trading Points with Deep Reinforcement Learning Approach》，探讨加密货币交易点推荐。 - Social Processing： - Behavioral Analysis：包括《Can Deep Learning Predict Risky Retail Investors? A Case Study in Financial Risk Behavior Forecasting》等，研究深度学习对投资者行为的预测。 - Sentiment Analysis：如《Improving Decision Analytics with Deep Learning: The Case of Financial Disclosures》，探讨深度学习在金融情绪分析中的应用。
代码仓库（Repositories）
收集了多个与交易相关的代码仓库：
- Generative Adversarial Networks (GANs)：如 borisbanushev/stockpredictionai，使用 LSTM 生成器和 CNN 判别器进行股票价格走势预测。
- Guides：提供了一些交易相关的指南。
- Cryptocurrency：如 samre12/deep - trading - agent，基于深度强化学习的比特币交易代理。
- Datasets：
- Simulation：提供了一些模拟数据集，如《Generating Realistic Stock Market Order Streams》。
资源（Resources）
包含多个子类别，提供了学习和研究的相关资源： - Presentations：如《BigDataFinance Neural Networks Intro》等，提供了一些关于交易的演讲资料。 - Courses：例如《Artificial Intelligence for Trading (ND880) nanodegree at Udacity》，推荐了一些交易相关的课程。 - Further Reading：提供了一些深入阅读的资料，如《RNN and LSTM — The Neural Networks with Memory》。 - Meetups：如《Artificial Intelligence in Finance & Algorithmic Trading on Meetup》，推荐了一些金融和算法交易相关的聚会活动。
版权信息
该仓库由 Craig Bailes 创建于 2021 年，作者的联系方式包括 GitHub、Patreon 和邮箱 contact@craigbailes.com。