MXNet神经网络与量化投资

图书标准信息

• 作者 TOP极宽量化开源组 著
• 出版社 电子工业出版社
• 出版时间 2018-11
• ISBN 9787121351532
• 定价 99.00元
• 装帧 平装
• 开本 16开
• 纸张 胶版纸
• 页数 312页

【内容简介】

　　MXNet是亚马xun的深度学习库，以简单、高效、容易使用而著称。它拥有类似于Theano和TensorFlow的数据流图，为多GPU装置提供了良好的配置。《MXNet神经网络与量化投资》以MXNet作为研究实践平台，实现量化投资交易。书中主要介绍了在MXNet环境下，利用深度学习常用算法，实现线性、MLP、CNN卷积、GoogLeNet、ResNet深度残差、RNN循环神经网络、DenseNet稠密神经网络等多种模型在量化投资和股价预测方面的应用，同时采用NLP语义分析技术，対股票价格走势进行统计分析，以及金融数据的可视化分析，得到更直观的模型分析效果，通过先进的人工智能模型，在量化投资领域中取得较高收益。

【目录】

第1章  快速入门 1

 

1.1  MXNet简介 1

 

1.2  CUDA运行环境安装 4

 

1.3  MXNet运行环境安装 5

 

1.3.1  下载MXNet模块库 6

 

1.3.2  安装MXNet模块库预处理 6

 

1.3.3  安装MXNet模块库 9

 

案例1-1：重点模块版本测试 10

 

案例1-2：MXNet安装包测试 12

 

1.4  GPU开发环境测试 13

 

案例1-3：GPU开发环境测试 13

 

1.5  量化GPU工作站推荐配置 15

 

第2章  基本操作 18

 

2.1  NDArray数组 18

 

案例2-1：NDArray数组常用功能 19

 

2.2  GPU加速模式 26

 

案例2-2：GPU加速功能 26

 

案例2-3：Gluon的GPU计算 28

 

2.3  Matplotlib画图 30

 

案例2-4：Matplotlib常用功能 30

 

案例2-5：多子图绘制 31

 

2.4  常用数据文件 33

 

案例2-6：读取金融数据 33

 

2.5  TA-Lib金融模块库 36

 

2.6  MA移动平均线 40

 

案例2-7：MA均线指标 41

 

案例2-8：多MA均线指标 44

 

2.7  常用工具函数包 47

 

第3章  数据预处理 53

 

3.1  数据与预处理背景介绍 53

 

3.2  数据预处理常用技术 54

 

3.3  归一化 55

 

案例3-1：MinMaxScaler归一化 56

 

案例3-2：Standardization标准化 57

 

3.4  缺失值 58

 

案例3-3：Imputer缺失值补充 59

 

3.5  多项式特征 60

 

案例3-4：PolynomialFeatures多项式特征 60

 

第4章  线性神经网络模型 62

 

4.1  线性神经网络 62

 

案例4-1：line上证指数n+1价格预测 64

 

4.2  Logistic逻辑回归模型 76

 

案例4-2：Logistic上证指数涨跌预测 78

 

第5章  MLP神经网络模型 86

 

5.1  MLP多层感知器 86

 

案例5-1：MLP上证指数n+1价格预测 88

 

5.2  SMA简单均线量化策略 99

 

案例5-2：MLP上证指数n+1价格预测均线增强版 99

 

第6章  CNN卷积神经网络 104

 

6.1  CNN卷积神经网络简介 104

 

常用激活函数介绍 106

 

案例6-1：CNN上证指数n+1价格预测 109

 

6.2  ADX平均趋向量化投资策略 115

 

案例6-2：CNN上证指数n+1价格预测ADX增强版 116

 

第7章  GoogLeNet谷歌神经网络模型 121

 

7.1  GoogLeNet谷歌深度卷积神经网络模型 121

 

案例7-1：GoogLeNet上证指数n+1价格预测 123

 

7.2  KELCH肯特纳通道量化投资策略 135

 

案例7-2：GoogLeNet上证指数n+1价格预测（2） 135

 

第8章  ResNet深度残差网络模型 139

 

8.1  ResNet深度残差神经网络模型 139

 

8.2  Money Flow资金流向指标 142

 

案例8-1：ResNet深度残差时间序列预测A股资金流向 144

 

8.3  MOM动量线量化投资策略 149

 

第9章  RNN循环神经网络模型 150

 

9.1  RNN循环神经网络 150

 

9.2  RSI相对强弱指标 152

 

案例9-1：RNN上证指数n+1价格预测 153

 

9.3  IRNN修正循环神经网络 174

 

案例9-2：IRNN上证指数n+1价格预测 174

 

第10章  DenseNet稠密神经网络模型 178

 

10.1  DenseNet稠密神经网络模型 178

 

案例10-1：DenseNet上证指数n+1价格预测 180

 

10.2  OBV能量潮量化投资策略 187

 

案例10-2：DenseNet上证指数n+1价格预测 187

 

第11章  文本数据挖掘与量化 192

 

11.1  财经新闻数据 192

 

案例11-1a：获取财经新闻 193

 

11.2  直播新闻 195

 

案例11-1b：获取直播新闻 195

 

11.3  信息地雷 197

 

案例11-1c：获取信息地雷 198

 

11.4  定时器 199

 

案例11-2：进阶脚本——定时器 200

 

11.5  新闻数据库 206

 

案例11-3：使用sqlalchemy新闻数据库 206

 

第12章  财经新闻情感分类 214

 

12.1  文本数据分类 214

 

12.2  NLP与财经新闻数据 215

 

12.3  微博短文本数据情感分类 216

 

案例12-1：微博情感分类 217

 

12.4  贝叶斯微博情感分类器 236

 

案例12-2：微博数据情感分类2 237

 

第13章  金融数据可视化分析 245

 

13.1  Plotly绘图模块简介 245

 

案例13-1：Plotly入门案例 252

 

案例13-2：线形图与散点图 253

 

案例13-3：气泡图 255

 

案例13-4：柱状图 256

 

案例13-5：直方图 258

 

案例13-6：饼图 259

 

13.2  金融数据绘图 261

 

案例13-7：K线图 261

 

案例13-8：高级绘图1 263

 

13.3  Plotly高级绘图扩展 264

 

案例13-9：复合金融指标 264

 

案例13-10：高级绘图2 265

 

附录A  Python快速入门 267

 

案例1：第一次编程“hello,ziwang” 267

 

案例2：增强版“hello,ziwang” 269

 

案例3：列举系统模块库清单 271

 

案例4：常用绘图风格 272

 

案例5：Pandas常用绘图风格 274

 

案例6：常用颜色表cors 275

 

案例7：基本运算 278

 

案例8：字符串入门 280

 

案例9：字符串常用方法 281

 

案例10：列表操作 283

 

案例11：元组操作 285

 

案例12：字典操作 286

 

案例13：控制语句 288

 

案例14：函数定义 290

 

附录B  TA-Lib金融软件包 292

 

附录C  量化分析常用指标 297