新書推薦：
《
假努力：方向不对，一切白费
》
售價：HK$
71.8
《
北京三万里
》
售價：HK$
93.6
《
争吵的恋人：我们为什么相爱，又为什么争吵
》
售價：HK$
70.8
《
秘史：英国情报机构的崛起
》
售價：HK$
81.6
《
李鸿章及其时代：中西方世界的历史撞击
》
售價：HK$
70.8
《
剑桥罗马骑士等级史（历史学堂）
》
售價：HK$
273.6
《
脉络：小我与大势
》
售價：HK$
103.8
《
权势转移：近代中国的思想与社会（修订版）
》
售價：HK$
93.2
|
| 編輯推薦： |
本书采用独创的黑箱模式、MBA案例教学机制，结合大量的经典案例，介绍TensorFlow系统和常用的深度学习算法、神经网络模型，以及它们在量化分析当中的具体应用。
《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、MXNet等新一代深度学习平台来获得。*重要的是，还有待广大的一线实盘操作人员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。
|
| 內容簡介： |
|
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：*，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。
|
| 關於作者： |
|
何海群，网名：字王，CHRD前海智库CTO，《中华大字库》发明人，出版书籍20余部，在人工智能、数据分析等方面具有20年一线专业经验；zwPython开发平台、zwQuant量化软件设计师，中国Python创客项目和Python产业联盟发起人，国内首个Python量化课程：《Python量化实盘魔鬼训练营》创始人，极宽量化开源团队的创始人。
|
| 目錄：
|
目录
第1章TensorFlow概述1
1.1TensorFlow要点概括2
1.2TensorFlow简化接口2
1.3Keras简介3
1.4运行环境模块的安装4
1.4.1CUDA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
1.4.2GPU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
2.1.1TopDat金融数据集14
2.1.2量化分析与试错成本15
2.2OHLC金融数据格式16
案例2-1：金融数据格式17
2.3K线图18
案例2-2：绘制金融数据K线图19
2.4Tick数据格式22
案例2-3：Tick数据格式23
2.4.1Tick数据与分时数据转换25
案例2-4：分时数据25
2.4.2resample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
2.6TopDown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
2.6.1Tick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
2.6.2Tick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
3.4TA-Lib金融指标66
3.5TQ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
3.8TQ_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
3.10TDS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
4.1TFLearn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
4.3.1Pearson相关系数114
4.3.2Spearman相关系数114
4.3.3Kendall相关系数115
4.4open（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
4.6n 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
4.7n 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
4.8One-Hot145
案例4-8：One-Hot格式146
4.9DNN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
5.1Keras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
6.1MLP182
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
7.1RNN200
7.2IRNN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
8.1LSTM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
8.2LSTM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
10.1ffn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
10.2Tick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ATensorFlow 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
|
| 內容試閱：
|
推 荐 序
AlphaGo与柯洁的黑白大战，因为对阵的一方是中国顶级围棋高手柯洁，所以引起国人的高度关注。利用百度搜索引擎输入AlphaGo，一度可以得出7000多万条搜索结果，这远远高于其他热门词条。
事实上，AlphaGo只是Google拥有的两套人工智能系统中的一套。它是Google 2014年收购的DeepMind的人工智能系统，专注于棋赛开发。Google的另外一套人工智能系统就是本书介绍的TensorFlow系统。
在TensorFlow等人工智能系统出现之前，计算机所做的事情往往是简单重复的。计算机会按照人类编好的既定程序，简单重复、按部就班地运行，没有超越人类事先为其设定的思维边界。
计算机与人类的大脑相比，根本的区别在于不具备学习和创新能力。
计算机顶多也就是记忆的信息多，重复计算的速度快，不受情绪的影响等。但是，在TensorFlow等人工智能系统出现之后，计算机所做的事情除简单重复运行之外，更重要的是其具备了一定的自我学习和创新能力。
TensorFlow等人工智能系统使得计算机在一定程度上能够自主学习，自我提高，总结过去的经验，汲取以往的教训，具备一定的创新性。这一点在AlphaGo与柯洁对垒的3场棋局的结果中不难看出。
这正是以AlphaGo和TensorFlow为代表的人工智能系统区别于以往任何计算机技术的关键所在，也是TensorFlow被称为互联网以来唯一的黑科技项目的原因。
具备了一定的自我学习和创造能力的人工智能系统的出现，将对经济系统的各个领域产生重大影响。笔者有着超过20年境内外金融行业从业经历，将从一个侧面分享人工智能对金融领域的影响。
从整个金融业的历史沿革来看，这大致经历了4个阶段：纯人工阶段、单机电脑阶段、互联网（含移动互联网）阶段和人工智能阶段。
随着每个阶段的渐次演进，提供金融服务一方的人力成本投入在逐渐减少，提供金融服务的效率在提高；对于接受金融服务的一方来说，金融服务的可获得性，以及便捷程度在逐渐增加，金融服务越来越围绕着人进行，以人为中心的全方位的社会经济服务体系正在形成。
在金融服务体系中，银行服务、证券服务、保险服务等的内部界限开始变得模糊，金融服务与其他非金融的社会经济服务之间的界限开始变得不清。
特别是金融业进入人工智能阶段之后，人工智能系统将接受金融服务一方的身份特征数据、交易数据和行为数据等大数据，进行实时分析和动态跟踪，以远低于人工成本的成本，为每个人建立一个基于生命周期的综合金融模型，对每个人未来的金融行为进行预测，自动为他们提供账户资金管理、货币兑换、证券买卖、保险购买、购房购车计划、旅行休闲、子女教育、养老规划等方面的金融建议和授权代理操作，并将模型预测结果与实际情况相比对，自主学习和修正模型，以便更加贴合接受金融服务一方的真实金融意图，使得人工智能模型的预测建议和人的实际金融行为无限接近。
由此人类将从日常繁杂的各种金融交易中解放出来，投身到更需要自己或自己更感兴趣的方面。
展望未来，人工智能的应用前景无限美好；探寻当下，人工智能在世界各地的各行各业方兴未艾。
千里之行，始于足下。何海群先生的《零起点TensorFlow与量化交易》是有志于人工智能领域的IT人士的一块敲门砖和铺路石。
祝愿人工智能在华夏大地生根发芽，开花结果。
梁 忠
梁忠：中国人民大学财政金融系博士，曾任里昂证券CLSA分析员；瑞银证券UBSS董事，财富管理中国研究部主管；瑞士信贷（香港）有限公司中国研究部董事；瑞信方正证券执行董事，研究部主管，具有20年国际顶级金融机构从业经历。
前 言
感谢梁忠先生在百忙之中为本书撰写序言。以TensorFlow为代表的神经网络，被视为自互联网以来唯一的黑科技，无远弗届，无分行业领域，对社会各界从上至下带来彻底的颠覆与革命。
梁忠先生作为非IT领域的学者、专家，从第三方角度，冷静地观察这场数字革命，同时向更多的大众介绍这场革命的火花，推动行业变革，功莫大焉。
随着类似于Titanic数据集案例、梵高画风等一系列，基于TensorFlow等神经网络、深度学习项目的不断涌现，未来的各个学科都会结合人工智能（AI），进行新的学术重组。
Python量化三部曲
Python量化三部曲包括：
? 《零起点Python大数据与量化交易》（入门课程）
? 《零起点机器学习与量化交易》（重点分析SKLearn）
? 《零起点TensorFlow与量化交易》（重点分析TensorFlow）
此外，还有几部补充作品：
? 《零起点Python足彩大数据与机器学习实盘分析》
? 《零起点Python机器学习快速入门》
? 《零起点TensorFlow快速入门》
? 《MXNet神经网络与量化交易》
? 《Plotly可视化数据分析》
本书是《零起点TensorFlow快速入门》的后续之作，原本是TopQuant.vip极宽量化培训课程高级班的教学课件，为了节省篇幅，删除了Python基础教程，以及SKLearn、TensorFlow等机器学习方面的入门内容。没有经验的读者，建议先阅读《零起点Python机器学习快速入门》《零起点TensorFlow快速入门》，再开始本书的学习，这样会收到事半功倍的效果。
本书是目前较好的TensorFlow神经网络与量化分析入门教程：
? 无需任何理论基础，全程采用MBA案例模式，懂Excel就可看懂本书。
? 独创的逆向式课件模式，结合TensorBoard可视化系统，案例、图表优先，层层剖析。
? 系统介绍TensorFlow在金融量化领域的具体应用，提供多组配套案例。
? 全套神经网络股票趋势预测、股票价格预测案例源码。
? TDS金融数据集的创建与使用。
? 三位一体的课件模式：图书 开发平台 成套的教学案例，系统讲解，逐步深入。
本书采用独创的黑箱模式、MBA案例教学机制，结合大量的经典案例，介绍TensorFlow系统和常用的深度学习算法、神经网络模型，以及它们在量化分析当中的具体应用。
进一步学习
读者如有兴趣可以进一步学习Python量化三部曲的内容，以及《零起点Python足彩大数据与机器学习实盘分析》。
机器学习、人工智能、金融量化，它们的基本原理是相通的，本质上都是数据分析。对于Python量化三部曲的读者而言，本书也有很大的价值，特别是对于第一部入门课程的读者。
Python量化回溯与TensorFlow、PyTorch、MXNet等神经网络深度学习平台，都是近年来兴起的科技前沿领域，有关的理论、平台、工具目前还处于摸索阶段。Python量化三部曲图书和TopQuant.vip极宽智能量化系统，只是在这些领域的起步阶段，作为入门教程，抛砖引玉。
本书中的案例、程序以教学为主，进行了很多简化，以便大家能够快速理解相关内容，用最短的时间，了解Python量化回溯的整个流程，以及数据分析、机器学习、神经网络在这些领域的应用操作技巧。
神经网络、深度学习在量化实盘当中的应用，是目前全世界都在研究的顶尖课题，当前尚未有很好的模型与应用案例。
本书仅仅作为入门课程，具体的实盘策略，有待广大读者通过进一步深入学习TensorFlow、PyTorch、MXNet等新一代深度学习平台来获得。
最重要的是，还有待广大的一线实盘操作人员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。
网络资源
为避免版本冲突，建议本书的读者下载zwPython 2018m1版本的软件和最新版本的《零起点TensorFlow与量化交易》配套课件程序，作为配套学习课件。配套程序的下载地址是http：www.broadview.com.cn33584。
使用其他Python运行环境如Linux、Mac平台的读者，请尽量使用Python 3.5和TensorFlow 1.1版本，并自行安装所需的其他模块库。
此外，需要注意的是，读者在运行书中案例时得到的结果，可能与本书略有差别，甚至多次运行同一个案例的结果也会有所差异，这属于正常情况。因为TensorFlow等深度学习系统，内部都使用了随机数作为种子数，用于系统变量初始化等操作，每次分析的起点或者中间参数都有所不同。
本书的案例程序已经做过优化处理，不需要GPU显卡，全部支持单CPU平台。不过，为了提高运行效率，笔者建议尽量使用NVIDA公司最新一代的GPU显卡。
目前是大数据、人工智能 时代，在这样的时代，计算力=生产力。
与本书相关的网络资源如下。
? 网站：http：www.TopQuant.vip http：www.ziwang.com。
? 网盘地址：http：pan.baidu.coms1jIg944u。
? 极宽量化QQ群：总群，124134140；QQ 2群，650924099；QQ 3群，450853713。
? 技术Blog：http：blog.sina.com.cnzbrow。
? 字王Git项目总览：https：github.comziwang-com，包括：字王4k云字库、zwPython、zwpy_lst。
与本书相关的程序和数据下载，请浏览网站：TopQuant.vip极宽量化社区，在网站的下载中心有最新的程序和数据下载地址。
本书在TopQuant.vip极宽量化网站设有专栏，若对本书、人工智能和机器学习有任何建议，请在网站专栏或QQ群留言，我们会在第一时间进行反馈和答复。
TopQuant极宽量化网站资源中心的网址：
http：www.topquant.vip?p=56
http：ziwang.com
致谢
本书的出版要特别感谢电子工业出版社的黄爱萍和葛娜编辑，感谢她们在选题策划和稿件整理方面做出
|
|
購物車/收銀台(
0
) | 在線留言板
| 付款方式
| 運費計算
| 聯絡我們
| 幫助中心 |
加入書簽
HOME
新書上架
