簡體網頁||繁體網頁

☆☆☆☆☆

何海群，蔡立耑 著

圖書標籤:

• TensorFlow
• 量化交易
• Python
• 金融
• 大數據
• 衍生品
• 機器學習
• 深度學習
• 投資
• 數據分析

店鋪： 曠氏文豪圖書專營店

齣版社： 電子工業齣版社

ISBN：9787121335846

商品編碼：26714613422

齣版時間：2017-08-01

頁數：340

YL13957  9787121313363 9787121335846

零起點TensorFlow與量化交易

Python量化迴溯、TensorFlow、PyTorch、MXNet深度學習平颱以及神經網絡模型，都是近年來興起的前沿科技項目，相關理論、平颱、工具目前尚處於摸索階段。

TensorFlow是近年來影響大的神經網絡、深度學習平颱，本書從入門者的角度，對TensorFlow進行瞭介紹，《零起點TensorFlow與量化交易》中通過大量的實際案例，讓初學者快速掌握神經網絡和金融量化分析的基本編程，為進一步學習奠定紮實的基礎。

《零起點TensorFlow與量化交易》中的案例、程序以教學為主，且進行瞭高度簡化，以便讀者能夠快速理解相關內容，短時間瞭解Python量化迴溯的整個流程，以及數據分析、機器學習、神經網絡的應用。

《零起點TensorFlow與量化交易》僅僅作為入門課程，具體的實盤策略，有待廣大讀者通過進一步深入學習TensorFlow、PyTorch等新一代深度學習平颱來獲得。更重要的是，廣大的一綫實盤操作人員需要結閤專業的金融操盤經驗，與各種神經網絡模型融會貫通，構建更加符閤金融量化實際應用的神經網絡模型，從而獲得更好的投資收益。

第1章 TensorFlow概述 1

1.1 TensorFlow要點概括 2

1.2 TensorFlow簡化接口 2

1.3 Keras簡介 3

1.4 運行環境模塊的安裝 4

1.4.1 CUDA運行環境的安裝 4

案例1-1：重點模塊版本測試 5

案例1-2：GPU開發環境測試 8

1.4.2 GPU平颱運行結果 9

第2章 無數據不量化（上） 12

2.1 金融數據源 13

2.1.1 TopDat金融數據集 14

2.1.2 量化分析與試錯成本 15

2.2 OHLC金融數據格式 16

案例2-1：金融數據格式 17

2.3 K綫圖 18

案例2-2：繪製金融數據K綫圖 19

2.4 Tick數據格式 22

案例2-3：Tick數據格式 23

2.4.1 Tick數據與分時數據轉換 25

案例2-4：分時數據 25

2.4.2 resample函數 26

2.4.3 分時數據 26

2.5 離綫金融數據集 29

案例2-5：TopDat金融數據集的日綫數據 29

案例2-6：TopDat金融數據集的Tick數據 31

2.6 TopDown金融數據下載 33

案例2-7：更新單一A股日綫數據 34

案例2-8：批量更新A股日綫數據 37

2.6.1 Tick數據與分時數據 40

案例2-9：更新單一A股分時數據 40

案例2-10：批量更新分時數據 43

2.6.2 Tick數據與實時數據 45

案例2-11：更新單一實時數據 45

案例2-12：更新全部實時數據 48

第3章 無數據不量化（下） 51

3.1 均值優先 51

案例3-1：均值計算與價格麯綫圖 52

3.2 多因子策略和泛因子策略 54

3.2.1 多因子策略 54

3.2.2 泛因子策略 55

案例3-2：均綫因子 55

3.3 “25日神定律” 59

案例3-3：時間因子 61

案例3-4：分時時間因子 63

3.4 TA-Lib金融指標 66

3.5 TQ智能量化迴溯係統 70

3.6 全內存計算 70

案例3-5：增強版指數索引 71

案例3-6：AI版索引數據庫 73

3.7 股票池 77

案例3-7：股票池的使用 77

3.8 TQ_bar全局變量類 81

案例3-8：TQ_bar初始化 82

案例3-9：TQ版本日綫數據 85

3.9 大盤指數 87

案例3-10：指數日綫數據 88

案例3-11：TQ版本指數K綫圖 89

案例3-12：個股和指數麯綫對照圖 92

3.10 TDS金融數據集 96

案例3-13：TDS衍生數據 98

案例3-14：TDS金融數據集的製作 102

案例3-15：TDS金融數據集2.0 105

案例3-16：讀取TDS金融數據集 108

第4章 人工智能與趨勢預測 112

4.1 TFLearn簡化接口 112

4.2 人工智能與統計關聯度分析 113

4.3 關聯分析函數corr 113

4.3.1 Pearson相關係數 114

4.3.2 Spearman相關係數 114

4.3.3 Kendall相關係數 115

4.4 open（開盤價）關聯性分析 115

案例4-1：open關聯性分析 115

4.5 數值預測與趨勢預測 118

4.5.1 數值預測 119

4.5.2 趨勢預測 120

案例4-2：ROC計算 120

案例4-3：ROC與交易數據分類 123

4.6 n+1大盤指數預測 128

4.6.1 綫性迴歸模型 128

案例4-4：上證指數n+1的開盤價預測 129

案例4-5：預測數據評估 133

4.6.2 效果評估函數 136

4.6.3 常用的評測指標 138

4.7 n+1大盤指數趨勢預測 139

案例4-6：漲跌趨勢歸一化分類 140

案例4-7：經典版漲跌趨勢歸一化分類 143

4.8 One-Hot 145

案例4-8：One-Hot格式 146

4.9 DNN模型 149

案例4-9：DNN趨勢預測 150

第5章 單層神經網絡預測股價 156

5.1 Keras簡化接口 156

5.2 單層神經網絡 158

案例5-1：單層神經網絡模型 158

5.3 神經網絡常用模塊 168

案例5-2：可視化神經網絡模型 170

案例5-3：模型讀寫 174

案例5-4：參數調優入門 177

第6章 MLP與股價預測 182

6.1 MLP 182

案例6-1：MLP價格預測模型 183

6.2 神經網絡模型應用四大環節 189

案例6-2：MLP模型評估 190

案例6-3：優化MLP價格預測模型 194

案例6-4：優化版MLP模型評估 197

第7章 RNN與趨勢預測 200

7.1 RNN 200

7.2 IRNN與趨勢預測 201

案例7-1：RNN趨勢預測模型 201

案例7-2：RNN模型評估 209

案例7-3：RNN趨勢預測模型2 211

案例7-4：RNN模型2評估 214

第8章 LSTM與量化分析 217

8.1 LSTM模型 217

8.1.1 數值預測 218

案例8-1：LSTM價格預測模型 219

案例8-2：LSTM價格預測模型評估 226

8.1.2 趨勢預測 230

案例8-3：LSTM股價趨勢預測模型 231

案例8-4：LSTM趨勢模型評估 239

8.2 LSTM量化迴溯分析 242

8.2.1 構建模型 243

案例8-5：構建模型 243

8.2.2 數據整理 251

案例8-6：數據整理 251

8.2.3 迴溯分析 262

案例8-7：迴溯分析 262

8.2.4 專業迴報分析 268

案例8-8：量化交易迴報分析 268

8.3 完整的LSTM量化分析程序 279

案例8-9：LSTM量化分析程序 280

8.3.1 數據整理 280

8.3.2 量化迴溯 284

8.3.3 迴報分析 285

8.3.4 專業迴報分析 288

第9章 日綫數據迴溯分析 293

9.1 數據整理 293

案例9-1：數據更新 294

案例9-2：數據整理 296

9.2 迴溯分析 307

9.2.1 迴溯主函數 307

9.2.2 交易信號 308

9.3 交易接口函數 309

案例9-3：迴溯分析 309

案例9-4：多模式迴溯分析 316

第10章 Tick數據迴溯分析 318

10.1 ffn金融模塊庫 318

案例10-1：ffn功能演示 318

案例10-2：量化交易迴報分析 330

案例10-3：完整的量化分析程序 343

10.2 Tick分時數據量化分析 357

案例10-4：Tick分時量化分析程序 357

總結 371

附錄A TensorFlow 1.1函數接口變化 372

附錄B 神經網絡常用算法模型 377

附錄C 機器學習常用算法模型 414

Python金融衍生品大數據分析：建模、模擬、校準與對衝

Python在數據分析領域得到瞭越來越廣泛的應用。一部分著眼於風險對股市指數期權的價值、股票、利率的影響。第二部分介紹套利定價理論、離散時間內風險中性估值持續時間介紹瞭兩種流行的期權定價方法。第三部分介紹市場估值工作的整個過程。

第 1 章 快速導覽 1

1.1 基於市場的估價

1.2 本書的結構

1.3 為什麼選擇 Python

1.4 深入閱讀

第 1 部分 市場 6

第 2 章 什麼是基於市場的定價 6

2.1 期權及其價值

2.2 普通金融工具與奇異金融工具

2.3 影響股權衍生工具的風險

2.3.1 市場風險

2.3.2 其他風險

2.4 對衝

2.5 基於市場的定價過程

第 3 章 市場典型事實 15

3.1 簡介

3.2 波動率、相關性

3.3 基本案例：正態收益率

3.4 指數和股票

3.4.1 典型事實

3.4.2 DAX 指數收益率

3.5 期權市場

3.5.1 買賣價差

3.5.2 隱含波動率麯麵

3.6 短期利率

3.7 結論

3.8 Python 腳本

3.8.1 GBM 分析

3.8.2 DAX 分析

3.8.4 EURO STOXX 50 隱含波動率

3.8.5 EURIBOR 分析

第 2 部分 理論定價 42

第 4 章 風險中性定價 42

4.1 簡介

4.2 離散時間不確定性

4.3 離散市場模型

4.3.1 基本元素

4.3.2 基礎定義

4.4 離散時間模型的主要結果

4.5 連續時間模型

4.6 總結

4.7 證明

4.7.1 引理 1

4.7.2 命題 1

4.7.3 定理 1

第 5 章 完全市場模型 62

5.1 簡介

5.2 Black-Scholes-Merton 模型

5.2.1 市場模型

5.2.2 基本 PDE

5.2.3 歐式期權

5.3 BSM 模型的 Greeks

5.4 Cox-Ross-Rubinstein 模型

5.5 總結

5.6 證明及 Python 腳本

5.6.1 伊藤引理

5.6.2 BSM 期權定價的腳本

5.6.3 BSM 看漲期權 Greeks 腳本

5.6.4 CRR 期權定價腳本

第 6 章 基於傅裏葉的期權定價 84

6.1 概述

6.2 定價問題

6.3 傅裏葉變換

6.4 基於傅裏葉的期權定價

6.4.1 Lewis（2001）

6.4.2 Carr-Madan（1999）

6.5 數值計算

6.5.1 傅裏葉級數

6.5.2 快速傅裏葉變換

6.6 應用

6.6.1 Black-Scholes-Merton（1973）模型

6.6.2 Merton（1976）模型

6.6.3 離散市場模型

6.7 總結

6.8 Python 腳本

6.8.1 使用傅裏葉方法的 BSM 看漲期權定價

6.8.2 傅裏葉級數

6.8.3 單位根

6.8.4 捲積

6.8.5 參數模塊

6.8.6 捲積計算看漲期權價值

6.8.7 捲積期權定價

6.8.8 DFT 期權定價

6.8.9 DFT 速度檢驗

第 7 章 利用模擬的美式期權定價 114

7.1 概述

7.2 金融模型

7.3 美式期權定價

7.3.1 問題形式

7.3.2 定價算法

7.4 數值結果

7.4.1 美式看跌期權

7.4.2 美式空頭禿鷹式價差

7.5 總結

7.6 Python 腳本

7.6.1 二項定價

7.6.2 LSM 濛特卡羅定價

7.6.3 原始算法和對偶算法

第 3 部分 基於市場的定價 132

第 8 章 基於市場定價的第一個例子 132

8.1 概述

8.2 市場模型

8.3 定價

8.4 校準

8.5 模擬

8.6 總結

8.7 Python 腳本

8.7.1 數值積分定價

8.7.2 FFT 定價

8.7.3 根據三種到期日的期權報價校準模型

8.7.4 根據到期時間較短的期權報價校準模型

8.7.5 MCS 定價

第 9 章 一般市場模型 154

9.1 概述

9.2 框架

9.3 框架的特徵

9.4 零息債券定價

9.5 歐式期權定價

9.5.1 PDE 方法

9.5.2 變換方法

9.5.3 濛特卡羅模擬

9.6 總結

9.7 證明和 Python 腳本

9.7.1 伊藤引理

9.7.3 歐式看漲期權定價的 Python 腳本

第 10 章 濛特卡羅模擬 171

10.1 概述

10.2 零息債券定價

10.3 歐式期權定價

10.4 美式期權定價

10.4.1 數值結果

10.4.2 高準確性與低速度

10.5 總結

10.6.1 一般零息債券定價

10.6.3 通過濛特卡羅模擬對歐式期權自動定價

10.6.4 通過濛特卡羅模擬對美式看跌期權自動定價

第 11 章 模型校準 202

11.1 概述

11.2 一般考量

11.2.1 為什麼校準

11.2.2 模型的不同部分分彆是什麼角色

11.2.3 什麼是目標函數

11.2.4 什麼是市場數據

11.2.5 什麼是最優化算法

11.3 短期利率部分的校準

11.3.1 理論基礎

11.3.2 根據 Euribor 校準模型

11.4 股權部分的校準

11.4.1 傅裏葉變換方法定價

11.4.2 根據 EURO STOXX 50 期權的報價進行校準

11.4.3 H93 模型校準

11.4.4 跳躍部分校準

11.4.5 BCC97 模型的完全校準 2

11.4.6 根據隱含波動率校準

11.5 總結

11.6 COX-INGERSOLL-ROSS 模型的 PYTHON 腳本

11.6.1 CIR85 模型校準

11.6.2 H93 隨機波動率模型校準

11.6.3 隱含波動率的比較

11.6.4 模型跳躍擴散部分的校準

11.6.5 BCC97 完全模型的校準

11.6.6 根據隱含波動率校準 BCC97 模型.......

評分☆☆☆☆☆

評分☆☆☆☆☆

評分☆☆☆☆☆

評分☆☆☆☆☆

評分☆☆☆☆☆

評分☆☆☆☆☆

評分☆☆☆☆☆

評分☆☆☆☆☆

評分☆☆☆☆☆