科技 类型
可以朗读 语音朗读
112千字 字数
2024-04-01 发行日期
展开全部

主编推荐语

一部全面而深入的量化金融实战指南。

内容简介

本书从基础的python编程和量化金融概念出发，逐步读者进入金融数据分析、量化策略开发、算法交易及风险管理的话题。本书还探讨了生成式ai和chatgpt在量化金融领域中的应用，为读者提供了一个全面的视角和实用的工具。

本书共分为5章：

第1章作为基础，介绍了量化金融、算法交易和python编程的基础知识；

第2章专注于金融数据的获取和处理，包括如何使用api和python库；

第3章深入讲解了量化策略与模型，涵盖了从统计学到机器学再到深度学和tranformer模型及chatgpt插件使用的多个方面；

第4章是对算法交易与风险管理的全面解析，包括市场微观结构、交易策略和chatgpt的codeinterpreter功能；

第5章对量化金融和算法交易的未来进行了展望，包括人工智能在金融领域中的机遇和挑战。

目录

  • 版权信息
  • 前言
  • 第1章 基础知识与量化金融概述
  • 1.1 引言：量化金融与算法交易简介
  • 1.1.1 量化金融及其发展历史
  • 1.1.2 当代量化金融
  • 1.1.3 算法交易概述
  • 1.1.4 高频交易概述
  • 1.1.5 算法交易与高频交易的区别
  • 1.2 Python 编程基础
  • 1.2.1 Python的优点
  • 1.2.2 Python在量化金融和算法交易中的应用初览
  • 1.2.3 Anaconda的安装
  • 1.2.4 Python代码示例
  • 1.3 ChatGPT 简介及原理
  • 1.3.1 ChatGPT简介
  • 1.3.2 ChatGPT原理
  • 1.4 生成式AI在量化金融领域中的应用
  • 第2章 金融数据处理与分析
  • 2.1 数据来源：金融数据APIs及其供应商
  • 2.1.1 数据来源的复杂程度
  • 2.1.2 为什么要链接API
  • 2.1.3 数据供应商的对比
  • 2.2 使用ChatGPT链接金融APIs
  • 2.2.1 报错分析
  • 2.2.2 使用第三方库：yfinance
  • 2.2.3 使用第三方库：yahoofinancials
  • 2.2.4 其他第三方库
  • 2.3 数据处理：使用Python分析金融数据
  • 2.3.1 重新采样
  • 2.3.2 滚动统计
  • 2.4 数据可视化：使用Matplotlib等工具
  • 2.5 实例：财务报表指标获取及分析
  • 2.5.1 获取特斯拉的年度财务数据
  • 2.5.2 计算所需的财务指标
  • 2.5.3 该财务指标（净利润率）可视化
  • 2.5.4 该财务指标（净利润率）的趋势分析
  • 第3章 量化策略与模型
  • 3.1 统计学与金融：常见统计模型与方法
  • 3.1.1 描述性统计
  • 3.1.2 概率分布
  • 3.1.3 假设检验
  • 3.1.4 时间序列分析
  • 3.2 技术分析：指标与策略
  • 3.2.1 图表模式
  • 3.2.2 趋势线
  • 3.2.3 技术指标
  • 3.2.4 交易策略与回测
  • 3.3 基本面分析：选股策略与价值投资
  • 3.4 卖方策略：衍生品定价与风险管理
  • 3.4.1 衍生品概述
  • 3.4.2 衍生品定价
  • 3.4.3 Black-Scholes模型
  • 3.4.4 Put-Call Parity的基本期权理论
  • 3.4.5 风险管理——Greeks
  • 3.5 机器学习与金融：回归模型、分类器等
  • 3.5.1 机器学习概述
  • 3.5.2 回归模型
  • 3.5.3 分类器
  • 3.5.4 机器学习在金融领域中的挑战
  • 3.6 深度学习与金融：神经网络、LSTM、CNN等
  • 3.6.1 神经网络
  • 3.6.2 长短期记忆网络
  • 3.6.3 卷积神经网络
  • 3.6.4 深度学习在金融领域中的挑战
  • 3.7 自然语言处理：利用Transformer结构分析市场情绪
  • 3.8 实例操作：使用ChatGPT的金融相关插件
  • 3.8.1 ChatGPT插件及安装
  • 3.8.2 PortfolioPilot插件
  • 第4章 算法交易与风险管理
  • 4.1 市场微观结构理解与应用
  • 4.1.1 订单簿的基本结构与功能
  • 4.1.2 订单类型与执行机制
  • 4.1.3 市场碎片化问题的理解与应对
  • 4.1.4 交易延迟与市场深度的影响
  • 4.1.5 临时与永久的滑点
  • 4.1.6 订单失衡
  • 4.2 交易策略开发：交易信号、执行和管理
  • 4.2.1 基于连续时间马尔科夫链的交易策略
  • 4.2.2 市价订单的建模与应用
  • 4.2.3 交易信号的生成与验证
  • 4.2.4 交易管理：订单追踪与调整
  • 4.3 订单执行：买方策略、卖方策略与做市策略
  • 4.3.1 买方策略的设计与实施（只有临时滑点）
  • 4.3.2 卖方策略的设计与实施（临时与永久滑点）
  • 4.3.3 做市策略的设计与实施
  • 4.4 风险管理：风险度量、预测与控制
  • 4.4.1 风险度量
  • 4.4.2 风险预测
  • 4.4.3 风险控制
  • 4.5 资金管理：投资组合优化与资产配置
  • 4.5.1 投资组合优化的理论与方法
  • 4.5.2 基于Transformer模型的资产配置的策略与实施
  • 4.5.3 使用GPT-4的代码解释器来解释做市策略
  • 第5章 未来展望与挑战
  • 5.1 探索多元化的大语言模型平台
  • 5.1.1 科大讯飞——讯飞星火认知大模型
  • 5.1.2 百度——文心一言大模型
  • 5.1.3 智谱AI——智谱清言ChatGLM大模型
  • 5.1.4 百川智能——百川大模型
  • 5.2 量化金融与算法交易的发展趋势
  • 5.2.1 量化金融与算法交易的新趋势
  • 5.2.2 智能化金融服务的崛起
  • 5.3 机遇与挑战：人工智能在金融领域中的双刃剑效应
  • 5.3.1 技术驱动下的金融机遇
  • 5.3.2 在监管环境中应对挑战
  • 5.4 前瞻：人工智能与金融领域的未来合作
  • 5.4.1 潜在的增长领域和创新点
  • 5.4.2 面向未来的策略和合作路径
展开全部

评分及书评

评分不足
1个评分

出版方

北京大学出版社

北京大学出版社是在1979年，经国家出版事业管理局同意，教育部批准成立的，恢复了北京大学出版社建制。北京大学出版社依靠北大雄厚的教学、科研力量，同时积极争取国内外专家学者的合作支持，出版了大量高水平、高质量、适应多层次需要的优秀高等教育教材。 北大出版社注意对教材进行全面追踪，捕捉信息，及时修订，以跟上各学科的最新发展，反映该学科研究的最新成果，保持北大版教材的领先地位。