相關商品
商品簡介
作者簡介
目次
書摘/試閱
商品簡介
本書作者從2013年起在中國人民大學為全校開設通識課“金融大數據分析與量化交易”。該課程討論如何利用成熟的人工智能、統計分析技術給交易賦能，實現交易的自動化和智能化。在教學過程中，作者參考了現有的教材和大量其他資料，不斷豐富講義，經過整理，形成本書。
本書介紹了量化交易、股票和期貨交易、基本面分析和技術分析的基本原理，在此基礎上介紹機器學習、統計分析、深度學習等技術及其在量化交易中的應用。書中有豐富而又簡單的實例，娓娓道來，把讀者領入量化交易的大門。希望本書能引發讀者思考，助力讀者起跳，去構想和實現更加先進的策略，去市場上實戰。
本書作為量化交易的入門書籍，適合計算機、信息、統計學、經濟學、金融學等專業的本科生使用。
本書介紹了量化交易、股票和期貨交易、基本面分析和技術分析的基本原理，在此基礎上介紹機器學習、統計分析、深度學習等技術及其在量化交易中的應用。書中有豐富而又簡單的實例，娓娓道來，把讀者領入量化交易的大門。希望本書能引發讀者思考，助力讀者起跳，去構想和實現更加先進的策略，去市場上實戰。
本書作為量化交易的入門書籍，適合計算機、信息、統計學、經濟學、金融學等專業的本科生使用。
作者簡介
覃雄派，中國人民大學信息學院副教授，碩士研究生導師。主要研究方向為高性能數據庫、大數據分析和信息檢索。近年來主持國家自然科學基金面上項目1項，參與多項國家“863”計劃、“973”計劃及國家重點研發計劃項目，在國內外期刊和會議上發表論文40餘篇。
陳躍國，教授，博士生導師，數據工程與知識工程教育部重點實驗室(中國人民大學)副主任，中國計算機學會數據庫專業委員會秘書長。主要從事大數據交互式可視分析、大數據評測基準、語義搜索、知識圖譜等方面的研究工作。在國內外高水平學術期刊和學術會議上發表論文60餘篇。
陳躍國，教授，博士生導師，數據工程與知識工程教育部重點實驗室(中國人民大學)副主任，中國計算機學會數據庫專業委員會秘書長。主要從事大數據交互式可視分析、大數據評測基準、語義搜索、知識圖譜等方面的研究工作。在國內外高水平學術期刊和學術會議上發表論文60餘篇。
目次
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
1．4交易策略的研發、測試和上線過程
1．5量化交易系統的評價指標
1．6量化交易的核心問題
2股票與期貨基礎
2．1股票入門
2．2期貨入門
3基本面分析和技術分析
3．1基本面分析與技術分析的共存
3．2基本面分析
3．3技術分析
4Python入門
4．1Python語言簡介
4．2環境創建、安裝、配置和版本
4．3Python語言入門
4．4pandas入門
4．5numpy入門
4．6幾個重要的軟件包
5傳統機器學習初步
5．1人工智能與機器學習
5．2機器學習的流程
5．3表示模型——為機器學習準備數據
5．4機器學習模型的輸出
5．5機器學習分類
5．6深度學習
5．7統計分析和機器學習的關係
5．8典型的傳統機器學習算法和Python實例
6深度學習初步
6．1人工神經網絡
6．2深度學習
6．3卷積神經網絡
6．4循環神經網絡
6．5長短期記憶神經網絡
6．6RNN和LSTM的應用
6．7時間序列預測的模式
6．8單一時間序列+預測多天(n天)
6．9多時間序列+預測多天(n天)
7統計分析初步
7．1統計分析簡介
7．2隱馬爾可夫模型
7．3HMM用於時間序列預測的Python實例
7．4ARIMA模型
7．5ARIMA用於時間序列預測的Python實例
8數據準備
8．1通過Tushare獲得國內股票價格數據
8．2通過YLoader獲得美股價格數據
8．3價格數據可視化
9基於規則的交易策略
9．1基於價格與移動平均交叉的交易策略
9．2利用RSI指標判斷超買、超賣的交易策略
9．3使用遺傳編程自動尋找規則
10基於分類的交易策略(股票內)
11基於回歸的交易策略(股票內)
11．1基於分類的交易策略(股票內)的改進
11．2基於回歸的交易策略(股票內)概述
11．3代碼分析
11．4運行結果
11．5改變每次購買股票的數量
11．6觀察樣本構造
12基於回歸的交易策略(股票間)
12．1股票間的拉動作用
12．2MACD指標及其應用
12．3代碼分析
12．4運行結果
12．5樣本構造的討論
13基於統計分析的交易策略
13．1基於ARIMA模型的交易策略
13．2基於HMM的交易策略
13．3ARCH和GARCH模型的應用
14交易策略參數的優化
14．1Server/Worker模式尋找最優參數
14．2Local模式尋找最優參數
14．3其他交易策略的參數優化
14．4股票之間的相關性
14．5股票之間的延遲相關性
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基於深度學習模型的交易策略
16．1離線訓練和在線預測
16．2基於深度學習模型的交易策略概述
16．3運行結果
16．4回測速度和模型更新
17其他話題
17．1實盤交易
17．2日內、隔日、中短期、長期交易
17．3高頻交易
17．4風險控制和投資組合
17．5價格數據、基本面數據、宏觀經濟數據的獲取和使用
17．6新聞、博客、自媒體的獲取和多模態信息處理
17．7強化學習、深度學習的運用
17．8時間序列數據的無監督表示學習
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
1．4交易策略的研發、測試和上線過程
1．5量化交易系統的評價指標
1．6量化交易的核心問題
2股票與期貨基礎
2．1股票入門
2．2期貨入門
3基本面分析和技術分析
3．1基本面分析與技術分析的共存
3．2基本面分析
3．3技術分析
4Python入門
4．1Python語言簡介
4．2環境創建、安裝、配置和版本
4．3Python語言入門
4．4pandas入門
4．5numpy入門
4．6幾個重要的軟件包
5傳統機器學習初步
5．1人工智能與機器學習
5．2機器學習的流程
5．3表示模型——為機器學習準備數據
5．4機器學習模型的輸出
5．5機器學習分類
5．6深度學習
5．7統計分析和機器學習的關係
5．8典型的傳統機器學習算法和Python實例
6深度學習初步
6．1人工神經網絡
6．2深度學習
6．3卷積神經網絡
6．4循環神經網絡
6．5長短期記憶神經網絡
6．6RNN和LSTM的應用
6．7時間序列預測的模式
6．8單一時間序列+預測多天(n天)
6．9多時間序列+預測多天(n天)
7統計分析初步
7．1統計分析簡介
7．2隱馬爾可夫模型
7．3HMM用於時間序列預測的Python實例
7．4ARIMA模型
7．5ARIMA用於時間序列預測的Python實例
8數據準備
8．1通過Tushare獲得國內股票價格數據
8．2通過YLoader獲得美股價格數據
8．3價格數據可視化
9基於規則的交易策略
9．1基於價格與移動平均交叉的交易策略
9．2利用RSI指標判斷超買、超賣的交易策略
9．3使用遺傳編程自動尋找規則
10基於分類的交易策略(股票內)
11基於回歸的交易策略(股票內)
11．1基於分類的交易策略(股票內)的改進
11．2基於回歸的交易策略(股票內)概述
11．3代碼分析
11．4運行結果
11．5改變每次購買股票的數量
11．6觀察樣本構造
12基於回歸的交易策略(股票間)
12．1股票間的拉動作用
12．2MACD指標及其應用
12．3代碼分析
12．4運行結果
12．5樣本構造的討論
13基於統計分析的交易策略
13．1基於ARIMA模型的交易策略
13．2基於HMM的交易策略
13．3ARCH和GARCH模型的應用
14交易策略參數的優化
14．1Server/Worker模式尋找最優參數
14．2Local模式尋找最優參數
14．3其他交易策略的參數優化
14．4股票之間的相關性
14．5股票之間的延遲相關性
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基於深度學習模型的交易策略
16．1離線訓練和在線預測
16．2基於深度學習模型的交易策略概述
16．3運行結果
16．4回測速度和模型更新
17其他話題
17．1實盤交易
17．2日內、隔日、中短期、長期交易
17．3高頻交易
17．4風險控制和投資組合
17．5價格數據、基本面數據、宏觀經濟數據的獲取和使用
17．6新聞、博客、自媒體的獲取和多模態信息處理
17．7強化學習、深度學習的運用
17．8時間序列數據的無監督表示學習
書摘/試閱
量化交易具有若幹優勢，包括：(1) 交易模型體現出很強的一致性(穩定性)。交易模型不像人類投資者那樣具有情感，受到情緒的影響。它僅僅依賴於數據分析結果，進行交易決策。於是，它能夠保持一致的交易行為，克服貪婪、恐懼、僥幸，克服認知偏差，達成投資者最重要的一種素質，即嚴格的紀律性。相反，由於人類投資者受到自己情緒的影響，在投資過程中，很難堅持既定的原則。(2) 交易模型可以同時處理與多個金融資產(股票、期貨等)相關的海量信息，包括價格、新聞、政策發布、博客等，快速分析市場各個要素之間的關係。人腦是沒有辦法在短時間內把大量的數據都做一個完整的梳理和處理的。(3) 交易模型，由於有強大的計算機加持，進行數據分析和執行訂單的速度(效率)，比人更快(更高)。計算機在容量和速度方面，遠遠超過人腦的能力。
您曾經瀏覽過的商品
購物須知
大陸出版品因裝訂品質及貨運條件與台灣出版品落差甚大，除封面破損、內頁脫落等較嚴重的狀態，其餘商品將正常出貨。
特別提醒：部分書籍附贈之內容(如音頻mp3或影片dvd等)已無實體光碟提供，需以QR CODE 連結至當地網站註冊“並通過驗證程序”，方可下載使用。
無現貨庫存之簡體書，將向海外調貨：
海外有庫存之書籍，等候約45個工作天;
海外無庫存之書籍，平均作業時間約60個工作天，然不保證確定可調到貨，尚請見諒。
為了保護您的權益，「三民網路書店」提供會員七日商品鑑賞期(收到商品為起始日)。
若要辦理退貨，請在商品鑑賞期內寄回，且商品必須是全新狀態與完整包裝(商品、附件、發票、隨貨贈品等)否則恕不接受退貨。