量化交易入門與Python實(shí)踐（21世紀(jì)通識(shí)教育系列教材）
定 價(jià)：39 元
叢書名：21世紀(jì)通識(shí)教育系列教材
- 作者：覃雄派 陳躍國
- 出版時(shí)間：2021/7/1
- ISBN：9787300294896
- 出 版 社：中國人民大學(xué)出版社
- 中圖法分類：F830.91
- 頁碼：272
- 紙張：
- 版次：1
- 開本：16
本書作者從2013年起在中國人民大學(xué)為全校開設(shè)通識(shí)課“金融大數(shù)據(jù)分析與量化交易”。該課程討論如何利用成熟的人工智能、統(tǒng)計(jì)分析技術(shù)給交易賦能，實(shí)現(xiàn)交易的自動(dòng)化和智能化。在教學(xué)過程中，作者參考了現(xiàn)有的教材和大量其他資料，不斷豐富講義，經(jīng)過整理，形成本書。
本書介紹了量化交易、股票和期貨交易、基本面分析和技術(shù)分析的基本原理，在此基礎(chǔ)上介紹機(jī)器學(xué)習(xí)、統(tǒng)計(jì)分析、深度學(xué)習(xí)等技術(shù)及其在量化交易中的應(yīng)用。書中有豐富而又簡單的實(shí)例，娓娓道來，把讀者領(lǐng)入量化交易的大門。希望本書能引發(fā)讀者思考，助力讀者起跳，去構(gòu)想和實(shí)現(xiàn)更加先進(jìn)的策略，去市場上實(shí)戰(zhàn)。
本書作為量化交易的入門書籍，適合計(jì)算機(jī)、信息、統(tǒng)計(jì)學(xué)、經(jīng)濟(jì)學(xué)、金融學(xué)等專業(yè)的本科生使用。
覃雄派，中國人民大學(xué)信息學(xué)院副教授，碩士研究生導(dǎo)師。主要研究方向?yàn)楦咝阅軘?shù)據(jù)庫、大數(shù)據(jù)分析和信息檢索。近年來主持國家自然科學(xué)基金面上項(xiàng)目1項(xiàng)，參與多項(xiàng)國家“863”計(jì)劃、“973”計(jì)劃及國家重點(diǎn)研發(fā)計(jì)劃項(xiàng)目，在國內(nèi)外期刊和會(huì)議上發(fā)表論文40余篇。
陳躍國，教授，博士生導(dǎo)師，數(shù)據(jù)工程與知識(shí)工程教育部重點(diǎn)實(shí)驗(yàn)室(中國人民大學(xué))副主任，中國計(jì)算機(jī)學(xué)會(huì)數(shù)據(jù)庫專業(yè)委員會(huì)秘書長。主要從事大數(shù)據(jù)交互式可視分析、大數(shù)據(jù)評測基準(zhǔn)、語義搜索、知識(shí)圖譜等方面的研究工作。在國內(nèi)外高水平學(xué)術(shù)期刊和學(xué)術(shù)會(huì)議上發(fā)表論文60余篇。
1量化交易
1.1量化交易簡介
1.2量化交易的傳奇人物
1.3量化交易系統(tǒng)
1.4交易策略的研發(fā)、測試和上線過程
1.5量化交易系統(tǒng)的評價(jià)指標(biāo)
1.6量化交易的核心問題
2股票與期貨基礎(chǔ)
2.1股票入門
2.2期貨入門
3基本面分析和技術(shù)分析
3.1基本面分析與技術(shù)分析的共存
3.2基本面分析
3.3技術(shù)分析
4Python入門
4.1Python語言簡介
4.2環(huán)境創(chuàng)建、安裝、配置和版本
4.3Python語言入門
4.4pandas入門
4.5numpy入門
4.6幾個(gè)重要的軟件包
5傳統(tǒng)機(jī)器學(xué)習(xí)初步
5.1人工智能與機(jī)器學(xué)習(xí)
5.2機(jī)器學(xué)習(xí)的流程
5.3表示模型——為機(jī)器學(xué)習(xí)準(zhǔn)備數(shù)據(jù)
5.4機(jī)器學(xué)習(xí)模型的輸出
5.5機(jī)器學(xué)習(xí)分類
5.6深度學(xué)習(xí)
5.7統(tǒng)計(jì)分析和機(jī)器學(xué)習(xí)的關(guān)系
5.8典型的傳統(tǒng)機(jī)器學(xué)習(xí)算法和Python實(shí)例
6深度學(xué)習(xí)初步
6.1人工神經(jīng)網(wǎng)絡(luò)
6.2深度學(xué)習(xí)
6.3卷積神經(jīng)網(wǎng)絡(luò)
6.4循環(huán)神經(jīng)網(wǎng)絡(luò)
6.5長短期記憶神經(jīng)網(wǎng)絡(luò)
6.6RNN和LSTM的應(yīng)用
6.7時(shí)間序列預(yù)測的模式
6.8單一時(shí)間序列+預(yù)測多天(n天)
6.9多時(shí)間序列+預(yù)測多天(n天)
7統(tǒng)計(jì)分析初步
7.1統(tǒng)計(jì)分析簡介
7.2隱馬爾可夫模型
7.3HMM用于時(shí)間序列預(yù)測的Python實(shí)例
7.4ARIMA模型
7.5ARIMA用于時(shí)間序列預(yù)測的Python實(shí)例
8數(shù)據(jù)準(zhǔn)備
8.1通過Tushare獲得國內(nèi)股票價(jià)格數(shù)據(jù)
8.2通過YLoader獲得美股價(jià)格數(shù)據(jù)
8.3價(jià)格數(shù)據(jù)可視化
9基于規(guī)則的交易策略
9.1基于價(jià)格與移動(dòng)平均交叉的交易策略
9.2利用RSI指標(biāo)判斷超買、超賣的交易策略
9.3使用遺傳編程自動(dòng)尋找規(guī)則
10基于分類的交易策略(股票內(nèi))
11基于回歸的交易策略(股票內(nèi))
11.1基于分類的交易策略(股票內(nèi))的改進(jìn)
11.2基于回歸的交易策略(股票內(nèi))概述
11.3代碼分析
11.4運(yùn)行結(jié)果
11.5改變每次購買股票的數(shù)量
11.6觀察樣本構(gòu)造
12基于回歸的交易策略(股票間)
12.1股票間的拉動(dòng)作用
12.2MACD指標(biāo)及其應(yīng)用
12.3代碼分析
12.4運(yùn)行結(jié)果
12.5樣本構(gòu)造的討論
13基于統(tǒng)計(jì)分析的交易策略
13.1基于ARIMA模型的交易策略
13.2基于HMM的交易策略
13.3ARCH和GARCH模型的應(yīng)用
14交易策略參數(shù)的優(yōu)化
14.1Server/Worker模式尋找最優(yōu)參數(shù)
14.2Local模式尋找最優(yōu)參數(shù)
14.3其他交易策略的參數(shù)優(yōu)化
14.4股票之間的相關(guān)性
14.5股票之間的延遲相關(guān)性
15嘗試其他算法與算法的組合
15.1嘗試其他分類算法及其組合
15.2嘗試其他回歸算法及其組合
16基于深度學(xué)習(xí)模型的交易策略
16.1離線訓(xùn)練和在線預(yù)測
16.2基于深度學(xué)習(xí)模型的交易策略概述
16.3運(yùn)行結(jié)果
16.4回測速度和模型更新
17其他話題
17.1實(shí)盤交易
17.2日內(nèi)、隔日、中短期、長期交易
17.3高頻交易
17.4風(fēng)險(xiǎn)控制和投資組合
17.5價(jià)格數(shù)據(jù)、基本面數(shù)據(jù)、宏觀經(jīng)濟(jì)數(shù)據(jù)的獲取和使用
17.6新聞、博客、自媒體的獲取和多模態(tài)信息處理
17.7強(qiáng)化學(xué)習(xí)、深度學(xué)習(xí)的運(yùn)用
17.8時(shí)間序列數(shù)據(jù)的無監(jiān)督表示學(xué)習(xí)
書單推薦
