金融大模型开发基础与实践
正版保障 假一赔十 可开发票
￥ 71.94 6.6折 ￥ 109 全新
库存16件
广东广州
认证卖家担保交易快速发货售后保障
作者陈强 著 著
出版社北京大学出版社
ISBN9787301353202
出版时间2023-04
装帧平装
开本16开
定价109元
货号17448875
上书时间2024-10-15
商品详情
- 品相描述：全新
- 商品描述
-
作者简介
陈强 ---------------------------- 陈强，中国海洋大学计算机博士，资深软件开发工程师和架构师，现在就职于牛津大学（苏州）科技有限公司研发中心，从事于量化金融、衍生品（期货期权）交易策略、金融建模和金融数据分析的架构和开发工作。曾经在谷歌市场中发布过多款著名的应用等软件，这些应用软件在谷歌市场上取得了骄人的销售战绩。另外，还精通C#、Java、C++和C语言等主流编程语言，在国内主流期刊中发表过多篇计算机通信领域的著名论文。
目录
目录 第1章 大模型基础 1.1?人工智能 1.1.1?人工智能的发展历程 1.1.2?人工智能的研究领域 1.1.3?人工智能对人们生活的影响 1.2?机器学习和深度学习 1.2.1?机器学习 1.2.2?深度学习 1.2.3?机器学习和深度学习的区别 1.3?大模型介绍 1.3.1?大模型的作用 1.3.2?数据 1.3.3?数据和大模型的关系 1.4?人工智能与金融行业交融 1.4.1?人工智能驱动的金融创新 1.4.2?大模型在金融行业中的应用 第2章 大模型开发技术栈 2.1?深度学习框架 2.1.1?TensorFlow 2.1.2?PyTorch 2.2?数据预处理与处理工具 2.2.1?Pandas 2.2.2?NumPy 2.3?模型部署与推理 2.3.1?Docker和Kubernetes 2.3.2?部署平台 2.4?其他技术 2.4.1?模型训练和调优 2.4.2?模型架构和设计 2.4.3?加速、优化和安全性 第3章 数据预处理与特征工程 3.1?数据清洗与处理 3.1.1?数据质量检查与缺失值处理 3.1.2?异常值检测与处理 3.1.3?数据重复性处理 3.2?特征选择与特征提取 3.2.1?特征选择方法 3.2.2?特征提取技术 3.3?数据标准化与归一化 3.3.1?标准化与归一化的概念 3.3.2?金融模型中的标准化与归一化例子 第4章 金融时间序列分析 4.1?时间序列的基本概念 4.1.1?什么是时间序列数据 4.1.2?时间序列数据的特点 4.1.3?时间序列分析在金融领域的应用 4.2?常用的时间序列分析方法 4.2.1?移动平均法 4.2.2?自回归模型 4.2.3?自回归移动平均模型 4.2.4?季节性自回归集成移动平均模型 4.2.5?ARCH 和 GARCH 模型 4.2.6?向量自回归模型 4.2.7?协整分析 4.2.8?机器学习方法 第5章 金融风险建模与管理 5.1?金融风险的概念与分类 5.1.1?金融风险的基本概念 5.1.2?金融风险的分类 5.2?基于人工智能的金融风险建模方法 5.2.1?传统风险建模方法回顾 5.2.2?机器学习在金融风险建模中的应用 5.2.3?数据驱动的风险建模 5.3?制作贵州茅台的ARCH模型 5.3.1?准备数据 5.3.2?制作波动模型 5.3.3?加入特征数据：市场指数 5.3.4?制作股价预测模型 5.4?信贷投资组合风险评估模拟程序 5.4.1?实例介绍 5.4.2?设置信贷投资组合参数和可视化 5.4.3?定义风险度量和计算风险贡献 5.4.4?损失分布估计和可视化 第6章 高频交易与算法交易 6.1?高频交易 6.1.1?高频交易的特点 6.1.2?高频交易的挑战与风险 6.1.3?传统高频交易策略回顾 6.1.4?机器学习在高频交易中的应用 6.1.5?高频交易中的预测建模 6.1.6?量化交易框架 6.2?算法交易 6.2.1?算法交易策略的特点和优势 6.2.2?算法交易和量化交易的区别 6.2.3?制作算法交易模型 6.3?量化选股程序 6.3.1?Tushare令牌初始化 6.3.2?辅助函数 6.3.3?保存结果 6.3.4?股票详情 6.3.5?选股策略 6.3.6?主程序 第7章 信用风险评估 7.1?信用风险的概念与评估方法 7.1.1?信用风险的基本概念 7.1.2?信用评估方法 7.2?人工智能在信用风险评估中的应用 7.2.1?传统信用评估方法的局限性 7.2.2?机器学习与信用风险评估 7.2.3?风险模型的解释性与可解释性 7.3?金融风险管理实战：制作信贷风控模型 7.3.1?读取数据集数据 7.3.2?探索性数据分析 7.3.3?编码分类变量 7.3.4?数据分析 7.3.5?相关性分析 7.3.6?外部数据源 7.3.7?绘制成对图 7.3.8?特征工程 7.3.9?创建基线模型 7.3.10?优化模型 7.3.11?制作LightGBM模型 第8章 资产定价与交易策略优化 8.1?资产定价模型概述 8.1.1?常见的资产定价模型 8.1.2?金融市场的非理性行为 8.2?基于人工智能的资产定价方法 8.2.1?传统资产定价模型的局限性 8.2.2?机器学习与资产定价 8.3?交易策略优化 8.3.1?交易策略的基本概念 8.3.2?基于人工智能的交易策略优化 8.4?股票交易策略实战：制作股票交易策略模型 8.4.1?准备环境 8.4.2?准备数据 8.4.3?下载、清理和预处理股票数据 8.4.4?添加技术指标 8.4.5?拆分数据集 8.4.6?准备训练模型环境 8.4.7?训练DDPG模型 8.4.8?训练A2C模型 8.4.9?测试模型 8.4.10?保存交易决策数据 8.4.11?对交易策略进行模拟测试 第9章 金融市场情绪分析 9.1?情绪分析的概念与方法 9.1.1?情绪分析的基本概念 9.1.2?金融市场情绪的重要性 9.1.3?情绪分析的方法 9.2?基于人工智能的金融市场情绪分析 9.2.1?传统情绪分析方法的局限性 9.2.2?机器学习与情绪分析 9.3?预训练模型：BERT 9.3.1?BERT模型介绍 9.3.2?情感关键字 9.3.3?模型微调 9.4?预训练模型：FinBERT 9.4.1?FinBERT模型介绍 9.4.2?基于FinBERT模型的市场情感分析系统 第10章 银行应用大模型开发实战 10.1?银行应用大模型基础 10.1.1?银行应用大模型概述 10.1.2?大模型在银行业的重要性 10.2?贷款预测模型 10.2.1?项目背景 10.2.2?数据集介绍 10.2.3?数据探索 10.2.4?数据预处理 10.2.5?制作模型 10.2.6?比较模型 10.3?银行消费者投诉处理模型 10.3.1?背景介绍 10.3.2?数据集预处理 10.3.3?目标特征的分布 10.3.4?探索性数据分析 10.3.5?制作模型 第11章 区块链与金融科技创新 11.1?区块链技术的概念与原理 11.1.1?区块链产生的背景 11.1.2?区块链的基本概念 11.2?人工智能与区块链的结合应用 11.2.1?人工智能与区块链的融合 11.2.2?区块链和大模型 11.3?检测以太坊区块链中的非法账户 11.3.1?数据集介绍 11.3.2?数据预处理 11.3.3?数据分析 11.3.4?拆分数据集 11.3.5?特征缩放 11.3.6?构建模型和超参数调优 11.3.7?模型评估 11.4?比特币价格预测系统 11.4.1?GreyKite介绍 11.4.2?数据预处理 11.4.3?创建预测 11.4.4?交叉验证 11.4.5?后测试 11.4.6?预测 11.4.7?模型诊断 11.4.8?使用LSTM训练模型 11.4.9?模型性能可视化 第12章 未来金融智能化发展趋势 12.1?人工智能在金融领域的应用前景 12.2?未来金融智能化发展趋势的展望 12.2.1?智能化金融服务的普及 12.2.2?区块链与数字货币的演进 12.2.3?金融监管与法规的调整
内容摘要
本书结合具体实例循序渐进地讲解了金融大模型开发的核心知识。
全书共12章，分别讲解了大模型基础、大模型开发技术栈、数据预处理与特征工程、金融时间序列分析、金融风险建模与管理、高频交易与算法交易、信用风险评估、资产定价与交易策略优化、金融市场情绪分析、银行应用大模型开发实战、区块链与金融科技创新和未来金融智能化发展趋势。本书内容丰富全面，是学习金融大模型开发的优秀教程。
本书既适合已经掌握Python基础开发的初学者学习使用，也适合想进一步学习大模型开发、模型优化、模型应用和模型架构的读者阅读。本书不仅可以作为证券、保险、银行等行业从业者的参考书，还可以作为大专院校和培训学校的专业性教材。
主编推荐
从基础到实践，一本书读懂AI大模型如何推动金融业高质量发展
精彩内容
本书结合具体实例循序渐进地讲解了金融大模型开发的核心知识。 全书共12章，分别讲解了大模型基础、大模型开发技术栈、数据预处理与特征工程、金融时间序列分析、金融风险建模与管理、高频交易与算法交易、信用风险评估、资产定价与交易策略优化、金融市场情绪分析、银行应用大模型开发实战、区块链与金融科技创新和未来金融智能化发展趋势。本书内容丰富全面，是学习金融大模型开发的优秀教程。 本书既适合已经掌握Python基础开发的初学者学习使用，也适合想进一步学习大模型开发、模型优化、模型应用和模型架构的读者阅读。本书不仅可以作为证券、保险、银行等行业从业者的参考书，还可以作为大专院校和培训学校的专业性教材。
— 没有更多了 —
以下为对购买帮助不大的评价