前言探尋規(guī)律是智慧的本質(zhì)。Dennis Prager隨著技術(shù)的進步和金融信息的去中心化，編寫代碼并進行自動化研究已成為交易世界的重要組成部分。任何精通交易和編碼藝術(shù)的人在市場上都具有極大的優(yōu)勢。眾多的工具和理念為我們帶來了不計其數(shù)的交易技術(shù)。例如，基本面交易者通過對經(jīng)濟和局勢的分析，對不同類型的資產(chǎn)做出長期評估，而技術(shù)交易者則更多地依賴量化分析和心理學概念來預(yù)測市場的未來動向。因此，從總體上講，存在兩種分析類型，基本面分析和技術(shù)分析。本書將詳細介紹技術(shù)分析領(lǐng)域中的一個領(lǐng)域K 線圖模式識別。為什么要寫這本書？我的整個職業(yè)生涯都在研究交易策略、模式，以及金融市場的其他方方面面。我對模式有著很高的熱情，更具體來說，就是K 線圖模式。它們在市場中被廣泛使用，并取得了不錯的效果。這么多年來，我已經(jīng)發(fā)現(xiàn)了一些可與經(jīng)典模式媲美的K 線圖模式，而這也是我寫作本書的初衷：我希望展示K 線圖的所有模式，包括我自己發(fā)現(xiàn)的那些。同時，我也希望展示如何編寫一個系統(tǒng)，以在各種市場中回測這些模式。由于其客觀性，機器在模式識別和檢測上可以比人做得更好。因此，在深挖各類模式和策略之前，我會在本書的前幾章中首先展示如何創(chuàng)建一個K 線圖模式識別算法。這意味著你學到的第一個技能將是，如何使用Python 自動化地導入數(shù)據(jù)。金融領(lǐng)域還存在著眾多的經(jīng)典的 K 線圖模式，在斷定它們的有效性之前，我們都有責任去測試這些模式，以驗證它們是否真具有預(yù)測性。畢竟我們是在用這些模式去預(yù)測市場。我們需要用客觀的結(jié)果切實地證明這些模式確實是資產(chǎn)的增值器。我們將得到這樣的結(jié)果并解釋它們，就像我多年來對我發(fā)現(xiàn)的K 線圖模式所做的那樣。我們也將看到每種模式的優(yōu)點和局限性。當我們確實發(fā)現(xiàn)了某種很好的模式去完成預(yù)測任務(wù)，就可以將之嵌入已經(jīng)搭建好的交易框架，這個交易框架已經(jīng)包含了之前建立的一系列工具和風險管理體系。你將會學習到如何去計算一個技術(shù)指標并且將它和K 線圖模式結(jié)合起來以建立交易信號。最后，你會學習到如何回測這些信號，如何優(yōu)化參數(shù)并最終得到一個不錯的全面的模式識別策略。因此，這本書的作用是向你展示如何使用你建立的算法去評估不同的K 線圖模式，從而將研究自動化。最終，你將會掌握如何使用模式和其他技術(shù)指標來決定你的策略。目標讀者本書適合有志于學習的學生、學者、充滿求知欲的人，以及對K 線圖模式識別及其在金融領(lǐng)域應(yīng)用感興趣的金融從業(yè)者。如果你不僅喜歡使用Python，而且對開發(fā)策略和技術(shù)指標感興趣，那么你將從這本書中受益。本書假設(shè)你已經(jīng)具備Python 編程（資深Python 使用者會發(fā)現(xiàn)代碼非常直觀）和金融交易的基本背景知識。我采用了清晰而簡明的方法，重點講解關(guān)鍵概念，以便你能夠理解每個理念的目的。排版約定本書采用以下排版約定。斜體（Italic）表示新術(shù)語、URL、電子郵件地址、文件名和文件擴展名。等寬字體（Constant Width）表示程序列表，以及在段落內(nèi)引用程序元素，例如變量、函數(shù)名稱、數(shù)據(jù)庫、數(shù)據(jù)類型、環(huán)境變量、語句和關(guān)鍵字。粗體等寬字體（Constant width bold）表示應(yīng)由用戶應(yīng)按字面輸入的命令或其他文本。斜體等寬字體（Constant width italic）表示應(yīng)該替換成用戶提供值的文本，或者由上下文決定的值。使用代碼示例補充材料（代碼示例，練習等）可在以下鏈接下載：https://github.com/sofienkaabar/mastering-financial-pattern-recognition。與本書相關(guān)的技術(shù)問題，或者在使用代碼示例上有疑問，請發(fā)電子郵件到errata@oreilly.com.cn。這本書旨在幫助你完成工作。一般來說，如果這本書提供了示例代碼，你可以在你的程序和文檔中使用它。除非你要復(fù)制大部分的代碼，否則你無需聯(lián)系我們獲得許可。例如，編寫一個使用了本書中幾段代碼的程序并不需要獲得許可。出售或分發(fā)來自O(shè)Reilly 書籍的示例則需要獲得許可。通過引用這本書和引用示例代碼來回答問題并不需要獲得許可。將這本書中大量的示例代碼整合到你的產(chǎn)品文檔中則需要獲得許可。我們很希望但并不強制要求你在引用本書內(nèi)容時加上引用說明。引用說明一般包括書名、作者、出版社和ISBN，例如：Mastering Financial Pattern Recognition by Sofien Kaabar (OReilly). Copyright 2023 Sofien Kaabar, 978-1-098-12047-4。如果你覺得自己對示例代碼的使用超出了上述許可范圍， 請通過permissions@oreilly.com 與我們聯(lián)系。OReilly 在線學習平臺（OReilly Online Learning）近40 年來，OReilly Media 致力于提供技術(shù)和商業(yè)培訓、知識和卓越見解，來幫助眾多公司取得成功。我們擁有獨一無二的專家和革新者組成的龐大網(wǎng)絡(luò)，他們通過圖書、文章、會議和我們的在線學習平臺分享他們的知識和經(jīng)驗。OReilly 的在線學習平臺允許你按需訪問現(xiàn)場培訓課程、深入的學習路徑、交互式編程環(huán)境，以及OReilly 和200 多家其他出版商提供的大量文本和視頻資源。有關(guān)的更多信息，請訪問http://oreilly.com。聯(lián)系我們?nèi)魏斡嘘P(guān)本書的意見或疑問，請按照以下地址聯(lián)系出版社。美國：OReilly Media, Inc.1005 Gravenstein Highway NorthSebastopol, CA 95472中國：北京市西城區(qū)西直門南大街2號成銘大廈C座807室（100035）奧萊利技術(shù)咨詢（北京）有限公司我們?yōu)檫@本書設(shè)有一個網(wǎng)頁，其中列出了勘誤表，示例，以及任何額外的信息。你可以通過https://oreil.ly/mstrg-finan-pttrn-recog 來訪問這個頁面。對本書的評論或技術(shù)疑問，可以發(fā)電子郵件到errata@oreilly.com.cn。欲了解本社圖書和課程的新聞和信息，請訪問我們的網(wǎng)站http://oreilly.com。我們的LinkedIn：https://linkedin.com/company/oreilly-media。我們的Twitter：https://twitter.com/oreillymedia。我們的YouTube：https://youtube.com/oreillymedia。致謝我由衷地感謝我的父母對這本書直接和間接的幫助，如果沒有他們的支持，一切都將截然不同。我還想說的是，我同樣感謝我的妻子Charline，她總能理解我時常寫作到深夜，沒有她的耐心就沒有這本書的成功。我對她充滿敬意。我同樣要感謝我的編輯Michelle Smith 和Corbin Collins，以及我的產(chǎn)品編輯Elizabeth Faerm, 感謝他們的支持，感謝他們的工作以及超越常人的耐心。同樣地，我感謝OReilly 出版社的每一位員工。此外，我特別感謝優(yōu)秀的技術(shù)評審 Ning Wang，Timothy Kipper 和 Kushan Vora，感謝他們?yōu)楸緯�所作的巨大貢獻。他們在使這本書變得易讀、有用和直觀方面起到了重要作用。他們是本書最好的評審。最后，我深深地感激你本書的讀者，你們愿意花時間來閱讀我的書并且相信我的研究，我希望你們從中獲益。