簡體網頁||繁體網頁

☆☆☆☆☆

圖書標籤:

• TensorFlow
• 量化交易
• 機器學習
• 大數據
• 量化投資
• 金融衍生品
• 入門
• Python
• 深度學習
• 金融工程

店鋪： 榮豐通達圖書專營店

齣版社： 電子工業齣版社

ISBN：9787121335846

商品編碼：27154352360

 9787121335846 9787121323331 9787121311413 9787121306594 9787121305146 9787121313363 9787121310744

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，從而獲得好的收益。

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 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 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 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

零起點Python足彩大數據與機器學習實盤分析  

本書采用Python編程語言、Pandas數據分析模塊、機器學習和人工智能算法，對足彩大數據進行實盤分析。設計並發布瞭開源大數據項目zc-dat足彩數據包，匯總瞭2010—2016年5萬餘場足球比賽的賽事和賠率數據，包括威廉希爾、澳門、立博、Bet365、Interwetten、SNAI、皇冠、易勝博、偉德、必發等各大賠率公司。介紹瞭如何使用Python語言抓取網頁數據，下載更新zc-dat足彩數據包，並預測分析比賽獲勝球隊的取勝概率，同時提齣瞭檢測人工智能算法優劣的“足彩圖靈”法則。

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、離散時間內中性估值,持續時間,介紹瞭兩種流行的期權定價方法。後,第三部分介紹市場估值工作的整個過程。

量化投資：以Python為工具  

Python在數據分析領域得到瞭越來越廣泛的應用。部分著眼於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、離散時間內中性估值,持續時間,介紹瞭兩種流行的期權定價方法。後,第三部分介紹市場估值工作的整個過程。

零起點Python大數據與量化交易  

本書是國內較早關於Python大數據與量化交易的原創書籍，配閤zwPython、zwQuant開源量化軟件學習，已經是一套完整的大數據分析、量化交易學習教材，可直接用於實盤交易。本書特色：一，以實盤個案分析為主，全程配有Python代碼；第二，包含大量的圖文案例和Python源碼，無須編程基礎，懂Excel即可開始學習；第三，配有的zwPython、zwQuant量化軟件和zwDat數據包。本書內容源自筆者的原版教學課件，雖然限於篇幅和載體，省略瞭視頻和部分環節，但核心內容都有保留，配套的近百套Python教學程序沒有進行任何刪減。考慮到廣大入門讀者的需求，筆者在各個核心函數環節增添瞭函數流程圖。

 零起點Python機器學習快速入門  

本書采用的黑箱模式，MBA案例教學機製，結閤一綫實戰案例，介紹Sklearn人工智能模塊庫和常用的機器學習算法。書中配備大量圖錶說明，沒有枯燥的數學公式，普通讀者，隻要懂Word、Excel，就能夠輕鬆閱讀全書，並學習使用書中的知識，分析大數據。本書具有以下特色：的黑箱教學模式，全書無任何抽象理論和深奧的數學公式。化融閤Sklearn人工智能軟件和Pandas數據分析軟件，不用再直接使用復雜的Numpy數學矩陣模塊。化的Sklearn函數和API中文文檔，可作為案頭工具書隨時查閱。基於Sklearn+Pandas模式，無須任何理論基礎，全程采用MBA案例模式，懂Excel就可看懂。

零起點TensorFlow快速入門  

TensorFlow是近年來影響大的神經網絡和深度學習平颱，本書以生動活潑的語言，從入門者的角度，對TensorFlow進行介紹，書中包含大量簡單風趣的實際案例，如孤獨的神經元、梵高畫風等，讓廣大初學者快速掌握神經網絡的基本編程，為進一步學習人工智能奠定紮實的基礎。

評分☆☆☆☆☆

評分☆☆☆☆☆

評分☆☆☆☆☆

評分☆☆☆☆☆

評分☆☆☆☆☆

評分☆☆☆☆☆

評分☆☆☆☆☆

評分☆☆☆☆☆

評分☆☆☆☆☆