帝国软件 首页 > 图书 > 经济管理类图书 > 正文 返回 打印

人工智能在量化交易中的应用与实战

  2020-06-11 00:00:00  

人工智能在量化交易中的应用与实战 本书特色

本书首先讲解人工智能的基础知识,即什么是人工智能,为什么要学习人工智能,什么是智能,智能类型,人工智能的研究与应用领域,为什么使用Python 来开发人工智能,利用量化交易平台编写Python 程序,人工智能的发展历史;然后讲解Python 编程基础和人工智能的三个重要的包,即Numpy 包、Pandas 包和Matplotlib 包;接着讲解5 种机器学习算法,即决策树、随机森林、支持向量机(SVM)、朴素贝叶斯和人工智能的神经网络;然后讲解Python 量化交易策略的编写、获取数据函数、Python 基本面量化选股、Python 量化择时的技术指标函数、Python 量化交易策略的回测技巧、Python 量化交易策略的机器学习方法应用;*后讲解Python 量化交易策略的因子分析技巧和Python 量化交易策略实例。 在讲解过程中既考虑读者的学习习惯,又通过具体实例剖析讲解人工智能在量化交易应用中的热点问题、关键问题及种种难题。 本书适用于各种投资者,如股民、期民、中小散户、职业操盘手和专业金融评论人士,更适用于那些有志于在这个充满风险、充满寂寞的征程上默默前行的征战者和屡败屡战、愈挫愈勇并*终战胜失败、战胜自我的勇者。

人工智能在量化交易中的应用与实战 内容简介

人工智能 量化交易,未来金融市场的趋势机构和大户的工具,“散户赚钱是偶然,机构和大户赚钱是必然”的结果揭示智能量化交易实战精髓,新手交易获利更容易详解智能量化交易实战应用难题,多位专家合力编著

人工智能在量化交易中的应用与实战 目录

第1章 人工智能快速入门 / 1 1.1 初识人工智能 / 2 1.1.1 什么是人工智能 / 2 1.1.2 为什么要学习人工智能 / 2 1.2 智能概述 / 4 1.2.1 智能类型 / 4 1.2.2 智能的组成 / 6 1.3 人工智能的研究与应用领域 / 8 1.3.1 专家系统 / 8 1.3.2 自然语言理解 / 9 1.3.3 机器学习 / 9 1.3.4 机器定理证明 / 10 1.3.5 自动程序设计 / 11 1.3.6 分布式人工智能 / 12 1.3.7 机器人学 / 13 1.3.8 模式识别 / 14 1.3.9 人机博弈 / 14 1.3.10 计算机视觉 / 15 1.3.11 软计算 / 15 1.3.12 智能控制 / 16 1.3.13 智能规划 / 17 1.4 人工智能的开发语言 / 18 1.4.1 为什么使用Python来开发人工智能 / 18 1.4.2 Python的下载和安装 / 18 1.4.3 Python程序的编写 / 21 1.4.4 利用量化交易平台编写Python程序 / 24 1.5 人工智能的发展历史 / 27 1.5.1 计算机时代 / 27 1.5.2 大量程序 / 28 1.5.3 强弱人工智能 / 29 第2章 Python 编程基础 / 31 2.1 Python的基本数据类型 / 32 2.1.1 数值类型 / 32 2.1.2 字符串 / 34 2.2 变量与赋值 / 37 2.2.1 变量命名规则 / 37 2.2.2 变量的赋值 / 38 2.3 Python的基本运算 / 39 2.3.1 算术运算 / 39 2.3.2 赋值运算 / 41 2.3.3 位运算 / 42 2.4 Python的选择结构 / 43 2.4.1 关系运算 / 43 2.4.2 逻辑运算 / 45 2.4.3 if 语句 / 46 2.4.4 嵌套 if 语句 / 48 2.5 Python的循环结构 / 49 2.5.1 while循环 / 50 2.5.2 while 循环使用else语句 / 51 2.5.3 无限循环 / 51 2.5.4 for循环 / 52 2.5.5 在for循环中使用range()函数 / 53 2.5.6 break语句 / 54 2.5.7 continue语句 / 55 2.5.8 pass语句 / 56 2.6 Python的特征数据类型 / 57 2.6.1 列表 / 57 2.6.2 元组 / 61 2.6.3 字典 / 63 2.6.4 集合 / 64 2.7 Python的函数 / 67 2.7.1 函数的定义与调用 / 67 2.7.2 参数传递 / 69 2.7.3 匿名函数 / 71 2.7.4 变量作用域 / 72 2.8 Python的面向对象 / 73 2.8.1 面向对象概念 / 73 2.8.2 类与实例 / 74 2.8.3 模块的引用 / 77 2.9 Python的代码格式 / 78 2.9.1 代码缩进 / 78 2.9.2 代码注释 / 79 2.9.3 空行 / 79 2.9.4 同一行显示多条语句 / 79 第3章 人工智能的Numpy 包 / 81 3.1 初识Numpy包 / 82 3.2 ndarray数组基础 / 82 3.2.1 创建Numpy数组 / 83 3.2.2 Numpy特殊数组 / 86 3.2.3 Numpy序列数组 / 90 3.2.4 Numpy数组索引 / 91 3.2.5 Numpy数组运算 / 92 3.2.6 Numpy数组复制 / 93 3.3 Numpy的矩阵 / 94 3.4 Numpy的线性代数 / 96 3.4.1 两个数组的点积 / 96 3.4.2 两个向量的点积 / 97 3.4.3 一维数组的向量内积 / 97 3.4.4 矩阵的行列式 / 98 3.4.5 矩阵的逆 / 100 3.5 Numpy的文件操作 / 101 第4章 人工智能的Pandas 包 / 105 4.1 Pandas的数据结构 / 106 4.2 一维数组系列(Series) / 106 4.2.1 创建一个空的系列(Series) / 106 4.2.2 从ndarray创建一个系列(Series) / 107 4.2.3 从字典创建一个系列(Series) / 109 4.2.4 从有位置的系列(Series)中访问数据 / 109 4.2.5 使用标签检索数据 / 110 4.3 二维数组DataFrame / 111 4.3.1 创建DataFrame / 111 4.3.2 数据的查看 / 112 4.3.3 数据的选择 / 116 4.3.4 数据的处理 / 122 4.4 三维数组Panel / 124 第5章 人工智能的Matplotlib 包 / 127 5.1 Matplotlib包的优点 / 128 5.2 figure()函数的应用 / 128 5.2.1 figure()函数的各参数意义 / 128 5.2.2 figure()函数的实例 / 129 5.3 plot()函数的应用 / 131 5.3.1 plot()函数的各参数意义 / 131 5.3.2 plot()函数的实例 / 132 5.4 subplot()函数的应用 / 133 5.4.1 subplot()的各参数意义 / 134 5.4.2 subplot()的实例 / 134 5.5 add_axes方法的应用 / 135 5.6 legend()函数的应用 / 137 5.7 设置字体格式 / 139 5.8 设置线条的宽度和颜色 / 140 5.9 坐标轴网格 / 142 5.10 绘制柱状图 / 143 5.11 绘制色图和等高线图 / 144 5.12 绘制立体三维图形 / 146 第6章 决策树和随机森林 / 151 6.1 决策树 / 152 6.1.1 什么是决策树 / 152 6.1.2 决策树的组成 / 153 6.1.3 决策树的优点 / 153 6.1.4 决策树的缺点 / 154 6.1.5 决策树的构造 / 154 6.1.6 纯度判断方法 / 155 6.1.7 决策树的剪枝 / 162 6.1.8 利用Python代码实现决策树 / 163 6.2 随机森林 / 167 6.2.1 随机森林的构建 / 167 6.2.2 随机森林的优缺点 / 168 6.2.3 随机森林的应用范围 / 168 6.2.4 利用Python代码实现随机森林 / 169 第7章 支持向量机(SVM)和朴素贝叶斯 / 173 7.1 支持向量机(SVM) / 174 7.1.1 什么是支持向量机(SVM) / 174 7.1.2 支持向量机(SVM)的工作原理 / 174 7.1.3 核函数 / 175 7.1.4 支持向量机(SVM)的优点 / 177 7.1.5 支持向量机(SVM)的缺点 / 177 7.1.6 利用Python代码实现支持向量机(SVM) / 177 7.2 朴素贝叶斯 / 182 7.2.1 什么是朴素贝叶斯 / 182 7.2.2 朴素贝叶斯的算法思想 / 182 7.2.3 朴素贝叶斯的算法步骤 / 183 7.2.4 朴素贝叶斯的优缺点 / 184 7.2.5 利用Python代码实现高斯朴素贝叶斯 / 184 7.2.6 利用Python代码实现多项式分布朴素贝叶斯 / 187 7.2.7 利用Python代码实现伯努力朴素贝叶斯 / 188 第8章 人工智能的神经网络 / 191 8.1 初识人工神经网络 / 192 8.1.1 什么是人工神经网络 / 192 8.1.2 大脑中的神经元细胞和神经元细胞网络 / 192 8.1.3 人工神经网络的基本特征 / 193 8.1.4 人工神经网络的特点 / 195 8.2 人工神经网络的算法 / 195 8.3 神经网络库Pybrain / 197 8.3.1 神经网络的创建 / 197 8.3.2 神经网络的数据集定义 / 201 8.3.3 训练神经网络 / 202 8.3.4 循环神经网络 / 204 8.4 人工神经网络实例 / 205 第9章 Python 量化交易策略的编写 / 209 9.1 Python量化交易策略的组成 / 210 9.1.1 初始化函数(initialize) / 211 9.1.2 开盘前运行函数(before_market_open) / 212 9.1.3 开盘时运行函数(market_open) / 213 9.1.4 收盘后运行函数(after_market_close) / 214 9.2 Python量化交易策略的设置函数 / 214 9.2.1 设置基准函数 / 215 9.2.2 设置佣金/印花税函数 / 215 9.2.3 设置滑点函数 / 217 9.2.4 设置动态复权(真实价格)模式函数 / 217 9.2.5 设置成交量比例函数 / 218 9.2.6 设置是否开启盘口撮合模式函数 / 218 9.2.7 设置要操作的股票池函数 / 218 9.3 Python量化交易策略的定时函数 / 219 9.3.1 定时函数的定义及分类 / 219 9.3.2 定时函数各项参数的意义 / 219 9.3.3 定时函数的注意事项 / 220 9.3.4 定时函数的实例 / 221 9.4 Python量化交易策略的下单函数 / 222 9.4.1 按股数下单函数 / 222 9.4.2 目标股数下单函数 / 223 9.4.3 按价值下单函数 / 223 9.4.4 目标价值下单函数 / 224 9.4.5 撤单函数 / 224 9.4.6 获取未完成订单函数 / 225 9.4.7 获取订单信息函数 / 225 9.4.8 获取成交信息函数 / 226 9.5 Python量化交易策略的日志log / 226 9.5.1 设定log级别 / 226 9.5.2 log.info / 227 9.6 Python量化交易策略的常用对象 / 227 9.6.1 Order对象 / 227 9.6.2 全局对象g / 228 9.6.3 Trade对象 / 229 9.6.4 tick对象 / 229 9.6.5 Context对象 / 230 9.6.6 Position对象 / 231 9.6.7 SubPortfolio对象 / 232 9.6.8 Portfolio对象 / 233 9.6.9 SecurityUnitData对象 / 233 第10章 Python 量化交易策略的获取数据函数 / 235 10.1 获取股票数据的history()函数 / 236 10.1.1 各项参数的意义 / 236 10.1.2 history()函数的应用实例 / 238 10.2 获取一只股票数据的attribute_history ()函数 / 241 10.3 查询一个交易日股票财务数据的get_fundamentals ()函数 / 242 10.3.1 各项参数的意义 / 242 10.3.2 get_fundamentals ()函数的应用实例 / 243 10.4 查询股票财务数据的get_fundamentals_continuously ()函数 / 249 10.5 获取股票特别数据的get_current_data ()函数 / 250 10.6 获取指数成分股代码的get_index_stocks ()函数 / 251 10.6.1 各项参数的意义 / 251 10.6.2 get_index_stocks ()函数的应用实例 / 252 10.7 获取行业成分股代码的get_industry_stocks()函数 / 253 10.8 获取概念成本股代码的get_concept_stocks ()函数 / 255 10.9 获取所有数据信息的get_all_securities()函数 / 256 10.9.1 各项参数的意义 / 256 10.9.2 get_all_securities()函数的应用实例 / 257 10.10 获取一只股票信息的get_security_info ()函数 / 259 10.11 获取龙虎榜数据的get_billboard_list ()函数 / 260 10.11.1 各项参数的意义 / 260 10.11.2 get_billboard_list()函数的应用实例 / 261 10.12 获取限售解禁数据的get_locked_shares ()函数 / 262 第11章 Python 基本面量化选股 / 265 11.1 初识量化选股 / 266 11.2 成长类因子选股 / 266 11.2.1 营业收入同比增长率选股 / 266 11.2.2 营业收入环比增长率选股 / 268 11.2.3 净利润同比增长率选股 / 269 11.2.4 净利润环比增长率选股 / 270 11.2.5 营业利润率选股 / 271 11.2.6 销售净利率选股 / 272 11.2.7 销售毛利率选股 / 273 11.3 规模类因子选股 / 274 11.3.1 总市值选股 / 274 11.3.2 流通市

人工智能在量化交易中的应用与实战 作者简介

李晓波,从事金融衍生品市场交易及管理近20年,有着丰富的经验和体会,对国内外贵金属、外汇、邮币卡、大宗商品及股市等主流交易方式有着深刻的了解,擅长股票、期货、黄金、白银、邮币卡、外汇的培训指导,经常活跃在各大金融讲坛,深为投资者喜爱。可为个人投资者及机构提供分析、投资咨询,交易指导,理财培训等多方位的专业服务。

人工智能在量化交易中的应用与实战

http://book.00-edu.com/tushu/3/2020-06-13/2493621.html