灵魂拷问
ChatGPT现在是越来越能干了！
有人竟然用ChatGPT写了一本有关量化投资的书籍！
还出版了！
还是二作！
还上架了亚马逊卖了！
还卖了16英镑！
这是这本书的目录，大家可以先看看：
◀ 左右滑动查看 ▶
这本书涵盖了机器学习在量化投资领域的基本概念、技术和应用。先介绍了机器学习在量化交易中的关键概念和挑战，包括特征工程、模型选择和回测。
然后研究了量化交易中常用的各种机器学习方法，包括监督学习、无监督学习和强化学习。
最后还讨论了真实市场中实现机器学习模型的挑战和最佳实践，包括数据质量的作用，风险管理的重要性，以及对持续模型监控和验证的需求。
在这本书中，作者基于 ChatGPT为大家提供了大量例子和案例研究，来说明所讨论的概念和技术。 同时还包括实用技巧和资源，以帮助交易员和从业者开始更好的基于机器学习进行量化交易。
我们看到代码基本上都是 ChatGPT生成的。
例如第58页的关于使用sk编写K-means的例子：
如果我们直接在 ChatGPT来描述这个算法， ChatGPT可以很好的完成：
这本书QIML大概预览了一遍，不温不火，总体来说就是一个学习导论！对于初学者来说，可以看看。
毕竟是作者是 ChatGPT，机器学习本机写的呢~
大家感兴趣，可以在文末下载此书！
ChatGPT与量化投资
至于现在很多人问ChatGPT可以用来干量化、写策略吗？
你看，人家都出书了呢~
QIML的回答是：可辅助，但不能直接用！
例如， 它可以帮你解释代码逻辑。
我们随便在网上找一段策略逻辑与代码：
根据我们策略的内容，我们采用的思路是：筛选出股票池中质量较高的股票–>查询MACD指数–>买入卖出条件。这里我们挑选出符合：10<市净率(pe_ratio)<40，每股盈余(eps)>0.3，净资产收益率(roe)>15，净利润环比增长率>0.3，并按照市净率进行升序排列，取前五十只。
stock_to_choose = get_fundamentals(query(
valuation.code, valuation.pe_ratio,
valuation.pb_ratio,valuation.market_cap,
indicator.eps, indicator.inc_net_profit_annual
).filter(
valuation.pe_ratio < 40,
valuation.pe_ratio > 10,
indicator.eps > 0.3,
indicator.inc_net_profit_annual > 0.30,
indicator.roe > 15
).order_by(
valuation.pb_ratio.asc
).limit(
50), date= None)
我们让 ChatGPT来解释这段代码，看看是不是符合原逻辑：
