零起点TensorFlow与量化交易

定　价：¥99.00

作　者：	何海群著
出版社：	电子工业出版社
丛编项：	金融科技丛书
标　签：	暂缺

购买这本书可以去

ISBN：	9787121335846	出版时间：	2018-04-01	包装：	平装
开本：	16	页数：	464	字数：

内容简介

　　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回报收益。

作者简介

　　何海群，网名：字王，CHRD前海智库CTO，《中华大字库》发明人，20年人工智能从业经验；zwPython开发平台、TopQuant.vip极宽量化系统设计师，中国“Python创客”项目发起人，国内Python量化项目的启蒙者和开拓者：《Python量化实盘·魔鬼训练营》，Top极宽量化开源团队的创始人。2018年于深圳华侨城创意园，启动太和极宽金融孵化基地：金融、科技、艺术三位一体。研究成果有：BigQuant理论架构：Python量化+数字货币+人工智能；“小数据”理论，GPU超算工作站、MTRD多节点超算集群算法、“1+N”网络传播模型、人工智能“足彩图灵法则”等；论文《人工智能与中文字型设计》是中文字库行业三大基础建模理论之一。

图书目录

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