计算机
类型
可以朗读
语音朗读
162千字
字数
2018-04-01
发行日期
展开全部
主编推荐语
TensorFlow大数据量化交易原创书，实盘案例+Python代码，无需编程基础。
内容简介
本书是国内较早关于TensorFlow大数据与量化交易的原创图书，配合zwPython开发平台和zwQuant开源量化软件学习，是一套完整的大数据分析、量化交易的学习教材，可直接用于实盘交易。本书有三大特色：第一，以实盘个案分析为主，全程配有Python代码；第二，包含大量的图文案例和Python源码，无须专业编程基础，懂Excel即可开始学习；第三，配有专业的zwPython集成开发平台、zwQuant量化软件和zwDat数据包。
目录
- 封面
- 版权页
- 推荐序
- 前言
- 目录
- 第1章 TensorFlow概述
- 1.1 TensorFlow要点概括
- 1.2 TensorFlow简化接口
- 1.3 Keras简介
- 1.4 运行环境模块的安装
- 1.4.1 CUDA运行环境的安装
- 案例1-1：重点模块版本测试
- 案例1-2：GPU开发环境测试
- 1.4.2 GPU平台运行结果
- 第2章 无数据不量化（上）
- 2.1 金融数据源
- 2.1.1 TopDat金融数据集
- 2.1.2 量化分析与试错成本
- 2.2 OHLC金融数据格式
- 案例2-1：金融数据格式
- 2.3 K线图
- 案例2-2：绘制金融数据K线图
- 2.4 Tick数据格式
- 案例2-3：Tick数据格式
- 2.4.1 Tick数据与分时数据转换
- 案例2-4：分时数据
- 2.4.2 resample函数
- 2.4.3 分时数据
- 2.5 离线金融数据集
- 案例2-5：TopDat金融数据集的日线数据
- 案例2-6：TopDat金融数据集的Tick数据
- 2.6 TopDown金融数据下载
- 案例2-7：更新单一A股日线数据
- 案例2-8：批量更新A股日线数据
- 2.6.1 Tick数据与分时数据
- 案例2-9：更新单一A股分时数据
- 案例2-10：批量更新分时数据
- 2.6.2 Tick数据与实时数据
- 案例2-11：更新单一实时数据
- 案例2-12：更新全部实时数据
- 第3章 无数据不量化（下）
- 3.1 均值优先
- 案例3-1：均值计算与价格曲线图
- 3.2 多因子策略和泛因子策略
- 3.2.1 多因子策略
- 3.2.2 泛因子策略
- 案例3-2：均线因子
- 3.3 “25日神定律”
- 案例3-3：时间因子
- 案例3-4：分时时间因子
- 3.4 TA-Lib金融指标
- 3.5 TQ智能量化回溯系统
- 3.6 全内存计算
- 案例3-5：增强版指数索引
- 案例3-6：AI版索引数据库
- 3.7 股票池
- 案例3-7：股票池的使用
- 3.8 TQ_bar全局变量类
- 案例3-8：TQ_bar初始化
- 案例3-9：TQ版本日线数据
- 3.9 大盘指数
- 案例3-10：指数日线数据
- 案例3-11：TQ版本指数K线图
- 案例3-12：个股和指数曲线对照图
- 3.10 TDS金融数据集
- 案例3-13：TDS衍生数据
- 案例3-14：TDS金融数据集的制作
- 案例3-15：TDS金融数据集2.0
- 案例3-16：读取TDS金融数据集
- 第4章 人工智能与趋势预测
- 4.1 TFLearn简化接口
- 4.2 人工智能与统计关联度分析
- 4.3 关联分析函数corr
- 4.3.1 Pearson相关系数
- 4.3.2 Spearman相关系数
- 4.3.3 Kendall相关系数
- 4.4 open（开盘价）关联性分析
- 案例4-1：open关联性分析
- 4.5 数值预测与趋势预测
- 4.5.1 数值预测
- 4.5.2 趋势预测
- 案例4-2：ROC计算
- 案例4-3：ROC与交易数据分类
- 4.6 n+1大盘指数预测
- 4.6.1 线性回归模型
- 案例4-4：上证指数n+1的开盘价预测
- 案例4-5：预测数据评估
- 4.6.2 效果评估函数
- 4.6.3 常用的评测指标
- 4.7 n+1大盘指数趋势预测
- 案例4-6：涨跌趋势归一化分类
- 案例4-7：经典版涨跌趋势归一化分类
- 4.8 One-Hot
- 案例4-8：One-Hot格式
- 4.9 DNN模型
- 案例4-9：DNN趋势预测
- 第5章 单层神经网络预测股价
- 5.1 Keras简化接口
- 5.2 单层神经网络
- 案例5-1：单层神经网络模型
- 5.3 神经网络常用模块
- 案例5-2：可视化神经网络模型
- 案例5-3：模型读写
- 案例5-4：参数调优入门
- 第6章 MLP与股价预测
- 6.1 MLP
- 案例6-1：MLP价格预测模型
- 6.2 神经网络模型应用四大环节
- 案例6-2：MLP模型评估
- 案例6-3：优化MLP价格预测模型
- 案例6-4：优化版MLP模型评估
- 第7章 RNN与趋势预测
- 7.1 RNN
- 7.2 IRNN与趋势预测
- 案例7-1：RNN趋势预测模型
- 案例7-2：RNN模型评估
- 案例7-3：RNN趋势预测模型2
- 案例7-4：RNN模型2评估
- 第8章 LSTM与量化分析
- 8.1 LSTM模型
- 8.1.1 数值预测
- 案例8-1：LSTM价格预测模型
- 案例8-2：LSTM价格预测模型评估
- 8.1.2 趋势预测
- 案例8-3：LSTM股价趋势预测模型
- 案例8-4：LSTM趋势模型评估
- 8.2 LSTM量化回溯分析
- 8.2.1 构建模型
- 案例8-5：构建模型
- 8.2.2 数据整理
- 案例8-6：数据整理
- 8.2.3 回溯分析
- 案例8-7：回溯分析
- 8.2.4 专业回报分析
- 案例8-8：量化交易回报分析
- 8.3 完整的LSTM量化分析程序
- 案例8-9：LSTM量化分析程序
- 8.3.1 数据整理
- 8.3.2 量化回溯
- 8.3.3 回报分析
- 8.3.4 专业回报分析
- 第9章 日线数据回溯分析
- 9.1 数据整理
- 案例9-1：数据更新
- 案例9-2：数据整理
- 9.2 回溯分析
- 9.2.1 回溯主函数
- 9.2.2 交易信号
- 9.3 交易接口函数
- 案例9-3：回溯分析
- 案例9-4：多模式回溯分析
- 第10章 Tick数据回溯分析
- 10.1 ffn金融模块库
- 案例10-1：ffn功能演示
- 案例10-2：量化交易回报分析
- 案例10-3：完整的量化分析程序
- 10.2 Tick分时数据量化分析
- 案例10-4：Tick分时量化分析程序
- 总结
- 附录A TensorFlow 1.1函数接口变化
- 附录B 神经网络常用算法模型
- 附录C 机器学习常用算法模型
展开全部
评分及书评
评分不足
1个评分
给这本书评了3.0量化交易的黑科技！本书通过实际案例，帮助读者快速掌握 TensorFlow 和金融量化分析编程，为深入学习打下基础。适合对量化交易和深度学习感兴趣的读者。本书着重强调了数据的重要性，无数据，不量化。分别有 MLP，RNN，LSTM 的案例方法讲解。优点是有 Tick 数据的案例，缺点是缺少 GRU 的案例分析。一本学习深度学习与量化交易的好书！
出版方
电子工业出版社
电子工业出版社成立于1982年10月，是国务院独资、工信部直属的中央级科技与教育出版社，是专业的信息技术知识集成和服务提供商。经过三十多年的建设与发展，已成为一家以科技和教育出版、期刊、网络、行业支撑服务、数字出版、软件研发、软科学研究、职业培训和教育为核心业务的现代知识服务集团。出版物内容涵盖了电子信息技术的各个分支及工业技术、经济管理、科普与少儿、社科人文等领域，综合出版能力位居全国出版行业前列。
