零起点TensorFlow与量化交易

图书标准信息

• 作者 何海群
• 出版社 电子工业出版社
• 出版时间 2018-03
• 版次 1
• ISBN 9787121335846
• 定价 99.00元
• 装帧 其他
• 开本 16开
• 纸张 胶版纸
• 页数 424页
• 字数 506千字

【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。

【目录】

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2.0105

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corr113

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-Hot145

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  MLP182

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  RNN200

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2211

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