简体网页||繁体网页

☆☆☆☆☆

何海群，蔡立耑 著

图书标签:

• TensorFlow
• 量化交易
• Python
• 金融
• 大数据
• 衍生品
• 机器学习
• 深度学习
• 投资
• 数据分析

店铺： 旷氏文豪图书专营店

出版社： 电子工业出版社

ISBN：9787121335846

商品编码：26714613422

出版时间：2017-08-01

页数：340

YL13957  9787121313363 9787121335846

零起点TensorFlow与量化交易

Python量化回溯、TensorFlow、PyTorch、MXNet深度学习平台以及神经网络模型，都是近年来兴起的前沿科技项目，相关理论、平台、工具目前尚处于摸索阶段。

TensorFlow是近年来影响大的神经网络、深度学习平台，本书从入门者的角度，对TensorFlow进行了介绍，《零起点TensorFlow与量化交易》中通过大量的实际案例，让初学者快速掌握神经网络和金融量化分析的基本编程，为进一步学习奠定扎实的基础。

《零起点TensorFlow与量化交易》中的案例、程序以教学为主，且进行了高度简化，以便读者能够快速理解相关内容，短时间了解Python量化回溯的整个流程，以及数据分析、机器学习、神经网络的应用。

《零起点TensorFlow与量化交易》仅仅作为入门课程，具体的实盘策略，有待广大读者通过进一步深入学习TensorFlow、PyTorch等新一代深度学习平台来获得。更重要的是，广大的一线实盘操作人员需要结合专业的金融操盘经验，与各种神经网络模型融会贯通，构建更加符合金融量化实际应用的神经网络模型，从而获得更好的投资收益。

第1章 TensorFlow概述 1

1.1 TensorFlow要点概括 2

1.2 TensorFlow简化接口 2

1.3 Keras简介 3

1.4 运行环境模块的安装 4

1.4.1 CUDA运行环境的安装 4

案例1-1：重点模块版本测试 5

案例1-2：GPU开发环境测试 8

1.4.2 GPU平台运行结果 9

第2章 无数据不量化（上） 12

2.1 金融数据源 13

2.1.1 TopDat金融数据集 14

2.1.2 量化分析与试错成本 15

2.2 OHLC金融数据格式 16

案例2-1：金融数据格式 17

2.3 K线图 18

案例2-2：绘制金融数据K线图 19

2.4 Tick数据格式 22

案例2-3：Tick数据格式 23

2.4.1 Tick数据与分时数据转换 25

案例2-4：分时数据 25

2.4.2 resample函数 26

2.4.3 分时数据 26

2.5 离线金融数据集 29

案例2-5：TopDat金融数据集的日线数据 29

案例2-6：TopDat金融数据集的Tick数据 31

2.6 TopDown金融数据下载 33

案例2-7：更新单一A股日线数据 34

案例2-8：批量更新A股日线数据 37

2.6.1 Tick数据与分时数据 40

案例2-9：更新单一A股分时数据 40

案例2-10：批量更新分时数据 43

2.6.2 Tick数据与实时数据 45

案例2-11：更新单一实时数据 45

案例2-12：更新全部实时数据 48

第3章 无数据不量化（下） 51

3.1 均值优先 51

案例3-1：均值计算与价格曲线图 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：均线因子 55

3.3 “25日神定律” 59

案例3-3：时间因子 61

案例3-4：分时时间因子 63

3.4 TA-Lib金融指标 66

3.5 TQ智能量化回溯系统 70

3.6 全内存计算 70

案例3-5：增强版指数索引 71

案例3-6：AI版索引数据库 73

3.7 股票池 77

案例3-7：股票池的使用 77

3.8 TQ_bar全局变量类 81

案例3-8：TQ_bar初始化 82

案例3-9：TQ版本日线数据 85

3.9 大盘指数 87

案例3-10：指数日线数据 88

案例3-11：TQ版本指数K线图 89

案例3-12：个股和指数曲线对照图 92

3.10 TDS金融数据集 96

案例3-13：TDS衍生数据 98

案例3-14：TDS金融数据集的制作 102

案例3-15：TDS金融数据集2.0 105

案例3-16：读取TDS金融数据集 108

第4章 人工智能与趋势预测 112

4.1 TFLearn简化接口 112

4.2 人工智能与统计关联度分析 113

4.3 关联分析函数corr 113

4.3.1 Pearson相关系数 114

4.3.2 Spearman相关系数 114

4.3.3 Kendall相关系数 115

4.4 open（开盘价）关联性分析 115

案例4-1：open关联性分析 115

4.5 数值预测与趋势预测 118

4.5.1 数值预测 119

4.5.2 趋势预测 120

案例4-2：ROC计算 120

案例4-3：ROC与交易数据分类 123

4.6 n+1大盘指数预测 128

4.6.1 线性回归模型 128

案例4-4：上证指数n+1的开盘价预测 129

案例4-5：预测数据评估 133

4.6.2 效果评估函数 136

4.6.3 常用的评测指标 138

4.7 n+1大盘指数趋势预测 139

案例4-6：涨跌趋势归一化分类 140

案例4-7：经典版涨跌趋势归一化分类 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趋势预测 150

第5章 单层神经网络预测股价 156

5.1 Keras简化接口 156

5.2 单层神经网络 158

案例5-1：单层神经网络模型 158

5.3 神经网络常用模块 168

案例5-2：可视化神经网络模型 170

案例5-3：模型读写 174

案例5-4：参数调优入门 177

第6章 MLP与股价预测 182

6.1 MLP 182

案例6-1：MLP价格预测模型 183

6.2 神经网络模型应用四大环节 189

案例6-2：MLP模型评估 190

案例6-3：优化MLP价格预测模型 194

案例6-4：优化版MLP模型评估 197

第7章 RNN与趋势预测 200

7.1 RNN 200

7.2 IRNN与趋势预测 201

案例7-1：RNN趋势预测模型 201

案例7-2：RNN模型评估 209

案例7-3：RNN趋势预测模型2 211

案例7-4：RNN模型2评估 214

第8章 LSTM与量化分析 217

8.1 LSTM模型 217

8.1.1 数值预测 218

案例8-1：LSTM价格预测模型 219

案例8-2：LSTM价格预测模型评估 226

8.1.2 趋势预测 230

案例8-3：LSTM股价趋势预测模型 231

案例8-4：LSTM趋势模型评估 239

8.2 LSTM量化回溯分析 242

8.2.1 构建模型 243

案例8-5：构建模型 243

8.2.2 数据整理 251

案例8-6：数据整理 251

8.2.3 回溯分析 262

案例8-7：回溯分析 262

8.2.4 专业回报分析 268

案例8-8：量化交易回报分析 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 数据整理 280

8.3.2 量化回溯 284

8.3.3 回报分析 285

8.3.4 专业回报分析 288

第9章 日线数据回溯分析 293

9.1 数据整理 293

案例9-1：数据更新 294

案例9-2：数据整理 296

9.2 回溯分析 307

9.2.1 回溯主函数 307

9.2.2 交易信号 308

9.3 交易接口函数 309

案例9-3：回溯分析 309

案例9-4：多模式回溯分析 316

第10章 Tick数据回溯分析 318

10.1 ffn金融模块库 318

案例10-1：ffn功能演示 318

案例10-2：量化交易回报分析 330

案例10-3：完整的量化分析程序 343

10.2 Tick分时数据量化分析 357

案例10-4：Tick分时量化分析程序 357

总结 371

附录A TensorFlow 1.1函数接口变化 372

附录B 神经网络常用算法模型 377

附录C 机器学习常用算法模型 414

Python金融衍生品大数据分析：建模、模拟、校准与对冲

Python在数据分析领域得到了越来越广泛的应用。一部分着眼于风险对股市指数期权的价值、股票、利率的影响。第二部分介绍套利定价理论、离散时间内风险中性估值持续时间介绍了两种流行的期权定价方法。第三部分介绍市场估值工作的整个过程。

第 1 章 快速导览 1

1.1 基于市场的估价

1.2 本书的结构

1.3 为什么选择 Python

1.4 深入阅读

第 1 部分 市场 6

第 2 章 什么是基于市场的定价 6

2.1 期权及其价值

2.2 普通金融工具与奇异金融工具

2.3 影响股权衍生工具的风险

2.3.1 市场风险

2.3.2 其他风险

2.4 对冲

2.5 基于市场的定价过程

第 3 章 市场典型事实 15

3.1 简介

3.2 波动率、相关性

3.3 基本案例：正态收益率

3.4 指数和股票

3.4.1 典型事实

3.4.2 DAX 指数收益率

3.5 期权市场

3.5.1 买卖价差

3.5.2 隐含波动率曲面

3.6 短期利率

3.7 结论

3.8 Python 脚本

3.8.1 GBM 分析

3.8.2 DAX 分析

3.8.4 EURO STOXX 50 隐含波动率

3.8.5 EURIBOR 分析

第 2 部分 理论定价 42

第 4 章 风险中性定价 42

4.1 简介

4.2 离散时间不确定性

4.3 离散市场模型

4.3.1 基本元素

4.3.2 基础定义

4.4 离散时间模型的主要结果

4.5 连续时间模型

4.6 总结

4.7 证明

4.7.1 引理 1

4.7.2 命题 1

4.7.3 定理 1

第 5 章 完全市场模型 62

5.1 简介

5.2 Black-Scholes-Merton 模型

5.2.1 市场模型

5.2.2 基本 PDE

5.2.3 欧式期权

5.3 BSM 模型的 Greeks

5.4 Cox-Ross-Rubinstein 模型

5.5 总结

5.6 证明及 Python 脚本

5.6.1 伊藤引理

5.6.2 BSM 期权定价的脚本

5.6.3 BSM 看涨期权 Greeks 脚本

5.6.4 CRR 期权定价脚本

第 6 章 基于傅里叶的期权定价 84

6.1 概述

6.2 定价问题

6.3 傅里叶变换

6.4 基于傅里叶的期权定价

6.4.1 Lewis（2001）

6.4.2 Carr-Madan（1999）

6.5 数值计算

6.5.1 傅里叶级数

6.5.2 快速傅里叶变换

6.6 应用

6.6.1 Black-Scholes-Merton（1973）模型

6.6.2 Merton（1976）模型

6.6.3 离散市场模型

6.7 总结

6.8 Python 脚本

6.8.1 使用傅里叶方法的 BSM 看涨期权定价

6.8.2 傅里叶级数

6.8.3 单位根

6.8.4 卷积

6.8.5 参数模块

6.8.6 卷积计算看涨期权价值

6.8.7 卷积期权定价

6.8.8 DFT 期权定价

6.8.9 DFT 速度检验

第 7 章 利用模拟的美式期权定价 114

7.1 概述

7.2 金融模型

7.3 美式期权定价

7.3.1 问题形式

7.3.2 定价算法

7.4 数值结果

7.4.1 美式看跌期权

7.4.2 美式空头秃鹰式价差

7.5 总结

7.6 Python 脚本

7.6.1 二项定价

7.6.2 LSM 蒙特卡罗定价

7.6.3 原始算法和对偶算法

第 3 部分 基于市场的定价 132

第 8 章 基于市场定价的第一个例子 132

8.1 概述

8.2 市场模型

8.3 定价

8.4 校准

8.5 模拟

8.6 总结

8.7 Python 脚本

8.7.1 数值积分定价

8.7.2 FFT 定价

8.7.3 根据三种到期日的期权报价校准模型

8.7.4 根据到期时间较短的期权报价校准模型

8.7.5 MCS 定价

第 9 章 一般市场模型 154

9.1 概述

9.2 框架

9.3 框架的特征

9.4 零息债券定价

9.5 欧式期权定价

9.5.1 PDE 方法

9.5.2 变换方法

9.5.3 蒙特卡罗模拟

9.6 总结

9.7 证明和 Python 脚本

9.7.1 伊藤引理

9.7.3 欧式看涨期权定价的 Python 脚本

第 10 章 蒙特卡罗模拟 171

10.1 概述

10.2 零息债券定价

10.3 欧式期权定价

10.4 美式期权定价

10.4.1 数值结果

10.4.2 高准确性与低速度

10.5 总结

10.6.1 一般零息债券定价

10.6.3 通过蒙特卡罗模拟对欧式期权自动定价

10.6.4 通过蒙特卡罗模拟对美式看跌期权自动定价

第 11 章 模型校准 202

11.1 概述

11.2 一般考量

11.2.1 为什么校准

11.2.2 模型的不同部分分别是什么角色

11.2.3 什么是目标函数

11.2.4 什么是市场数据

11.2.5 什么是最优化算法

11.3 短期利率部分的校准

11.3.1 理论基础

11.3.2 根据 Euribor 校准模型

11.4 股权部分的校准

11.4.1 傅里叶变换方法定价

11.4.2 根据 EURO STOXX 50 期权的报价进行校准

11.4.3 H93 模型校准

11.4.4 跳跃部分校准

11.4.5 BCC97 模型的完全校准 2

11.4.6 根据隐含波动率校准

11.5 总结

11.6 COX-INGERSOLL-ROSS 模型的 PYTHON 脚本

11.6.1 CIR85 模型校准

11.6.2 H93 随机波动率模型校准

11.6.3 隐含波动率的比较

11.6.4 模型跳跃扩散部分的校准

11.6.5 BCC97 完全模型的校准

11.6.6 根据隐含波动率校准 BCC97 模型.......

评分☆☆☆☆☆

评分☆☆☆☆☆

评分☆☆☆☆☆

评分☆☆☆☆☆

评分☆☆☆☆☆

评分☆☆☆☆☆

评分☆☆☆☆☆

评分☆☆☆☆☆

评分☆☆☆☆☆