我應該研究哪種算法來開始我的算法交易研究？
我最近對自動算法交易算法進行了研究。
該研究的目的是專注於研究算法交易並嘗試改進現有算法的基本實現。
這些算法通常近乎實時地分析過去的市場數據、社交媒體事件和其他因素，以使用具有梯度下降的自回歸學習模型來尋找模式和趨勢，從而嘗試預測市場走勢。
我目前正在閱讀“Barry Johnson 的算法交易和 DMA”一書，因為這是在我遇到的一個論壇中提出的。
我意識到已經實施了各種模型。鑑於該項目的時間框架，即 8 個月，我想知道對於這個項目的起點是否有任何好的建議。
例如，您可以推薦的任何書籍、論文。
更具體地說，如果您可以建議我可以首先考慮的特定算法，這將很有幫助，因為我特別是算法交易領域的新手。
由於問題顯得含糊不清，我在 http://algorithmic-trading-research.tumblr.com/post/12885213702/project-description下面添加了對該項目的描述
最常用的術語“算法交易”是指用於最佳執行現有觀點的策略（這通常意味著試圖減少市場影響）。最著名的基準策略是VWAP，它以“成交量加權平均價格”為目標（類似於TWAP，它試圖隨著時間的推移均勻地進行空間交易）。其他範例包括 Iceberg、Sniper 和 Guerrilla。
這是一個非常大的研究領域。你引用的書是一個很好的來源；我也很喜歡“最優交易策略”。關於該主題的經典論文是“投資組合交易的最佳執行”（Almgren 和 Chriss 2000）。
你的問題很模糊，這幾乎是題外話。
我建議您研究趨勢跟踪算法，因為最基本的算法很容易理解；尋找涉及移動平均線的交易策略。
但是，如果你想在 8 個月內單獨改進一個算法，我認為這將是相當困難的。
那是做什麼用的？
我有根據的猜測：一篇碩士論文。
如果是這種情況，我建議您將趨勢跟踪策略應用於不同的市場，看看它們是否適用於所有地方（它們不適用）並解釋原因。
算法交易並不容易，它需要大量工作、良好的基礎設施，並且取決於所需的數據，需要大量資金。