近年来，外汇交易越来越受欢迎，作为一种高频市场，交易者需要在做出决定时考虑诸多因素，但又要兼顾快准狠。因此传统的人工交易可能由于各类因素影响，在交易过程中出现认为因素导致亏损。像传统的预测技术，比如ARCH模型（Autoregressive Conditional Heteroskedasticity Model，自回归条件异方差模型） 和ARMA模型（Auto-Regressive Moving Average Model，自回归滑动平均模型），主要是基于时间序列算法，在单独使用时可能会产生一些较为片面的结果。而机器学习技术通过挖掘数据背后的隐藏模式，可能会发现一些新的交易策略。机器自动交易则可以避免人为因素对交易判断产生的影响。
这篇文章适合想用python做自动交易的初学者和进阶人士*或许会给你提供一些小的idea），以及想学习数据科学相关理论和实战代码**的同学们。
文章会分为数据处理、建模、回测、以及自动交易四个大部分。
本文为第一部分：数据处理，包含项目介绍、数据集介绍、数据预分析和特征集建立四个章节。
代码和数据集在资源之中。
