零起點 TensorFlow 與量化交易 零起点TensorFlow与量化交易

何海群

買這商品的人也買了...

商品描述

本書是關於TensorFlow大數據與量化交易的原創圖書,配合zwPython開發平臺和zwQuant開源量化軟件學習,是一套完整的大數據分析、量化交易的學習教材,可直接用於實盤交易。

本書有三大特色:

第一,以實盤個案分析為主,全程配有Python代碼;

第二,包含大量的圖文案例和Python源碼,無須專業編程基礎,懂Excel即可開始學習;

第三,配有專業的zwPython集成開發平臺、zwQuant量化軟件和zwDat數據包。

作者簡介

何海群,網名:字王,CHRD前海智庫CTO,《中華大字庫》發明人,20年人工智能從業經驗;zwPython開發平台、TopQuant.vip極寬量化系統設計師,中國“Python創客”項目發起人,國內Python量化項目的啟蒙者和開拓者:《Python量化實盤·魔鬼訓練營》,Top極寬量化開源團隊的創始人。2018年於深圳華僑城創意園,啟動太和極寬金融孵化基地:金融、科技、藝術三位一體。
研究成果有:BigQuant理論架構:Python量化+數字貨幣+人工智能;“小數據”理論,GPU超算工作站、MTRD多節點超算集群算法、“1+N”網絡傳播模型、人工智能“足彩圖靈法則”等;論文《人工智能與中文字型設計》是中文字庫行業三大基礎建模理論之一。

目錄大綱

第1章TensorFlow概述1 
1.1 TensorFlow要點概括2 
1.2 TensorFlow簡化接口2 
1.3 Keras簡介3 
1.4運行環境模塊的安裝4 
1.4.1 CUDA運行環境的安裝4 
案例1-1:重點模塊版本測試5 
案例1- 2:GPU開發環境測試8 
1.4.2 GPU平台運行結果9 

第2章無數據不量化(上) 12 
2.1金融數據源13 
2.1.1 TopDat金融數據集14 
2.1.2量化分析與試錯成本15 
2.2 OHLC金融數據格式16 
案例2-1:金融數據格式17 
2.3 K線圖18 
案例2-2:繪製金融數據K線圖19 
2.4 Tick數據格式22 
案例2-3:Tick數據格式23 
2.4.1 Tick數據與分時數據轉換25 
案例2-4:分時數據25 
2.4.2 resample函數26 
2.4.3分時數據26 
2.5離線金融數據集29 
案例2-5:TopDat金融數據集的日線數據29 
案例2 -6:TopDat金融數據集的Tick數據31
2.6 TopDown金融數據下載33 
案例2-7:更新單一A股日線數據34 
案例2-8:批量更新A股日線數據37 
2.6.1 Tick數據與分時數據40 
案例2-9:更新單一A股分時數據40 
案例2-10:批量更新分時數據43 
2.6.2 Tick數據與實時數據45 
案例2-11:更新單一實時數據45 
案例2-12:更新全部實時數據48 

第3章無數據不量化(下) 51 
3.1均值優先51 
案例3-1:均值計算與價格曲線圖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:均線因子55 
3.3 “25日神定律” 59 
案例3-3:時間因子61 
案例3-4:分時時間因子63 
3.4 TA-Lib金融指標66 
3.5 TQ智能量化回溯系統70 
3.6全內存計算70 
案例3 -5:增強版指數索引71 
案例3-6:AI版索引數據庫73 
3.7股票池77 
案例3-7:股票池的使用77 
3.8 TQ_bar全局變量類81 
案例3-8:TQ_bar初始化82 
案例3-9 :TQ版本日線數據85
3.9大盤指數87 
案例3-10:指數日線數據88 
案例3-11:TQ版本指數K線圖89 
案例3-12:個股和指數曲線對照圖92 
3.10 TDS金融數據集96 
案例3-13:TDS衍生數據98 
案例3-14:TDS金融數據集的製作102 
案例3-15:TDS金融數據集2.0 105 
案例3-16:讀取TDS金融數據集108 

第4章人工智能與趨勢預測112 
4.1 TFLearn簡化接口112 
4.2人工智能與統計關聯度分析113 
4.3關聯分析函數corr 113 
4.3.1 Pearson相關係數114 
4.3.2 Spearman相關係數114 
4.3.3 Kendall相關係數115 
4.4 open(開盤價)關聯性分析115 
案例4 -1:open關聯性分析115 
4.5數值預測與趨勢預測118 
4.5.1數值預測119 
4.5.2趨勢預測120 
案例4-2:ROC計算120 
案例4-3:ROC與交易數據分類123 
4.6 n+1大盤指數預測128 
4.6.1線性回歸模型128 
案例4-4:上證指數n+1的開盤價預測129 
案例4-5:預測數據評估133
4.6.2效果評估函數136 
4.6.3常用的評測指標138 
4.7 n+1大盤指數趨勢預測139 
案例4-6:漲跌趨勢歸一化分類140 
案例4-7:經典版漲跌趨勢歸一化分類143 
4.8 One-Hot 145 
案例4-8:One-Hot格式146 
4.9 DNN模型149 
案例4-9:DNN趨勢預測150 

第5章單層神經網絡預測股價156 
5.1 Keras簡化接口156 
5.2單層神經網絡158 
案例5-1:單層神經網絡模型158 
5.3神經網絡常用模塊168 
案例5-2:可視化神經網絡模型170 
案例5-3:模型讀寫174 
案例5-4:參數調優入門177 

第6章MLP與股價預測182 
6.1 MLP 182 
案例6-1:MLP價格預測模型183 
6.2神經網絡模型應用四大環節189 
案例6-2:MLP模型評估190 
案例6-3:優化MLP價格預測模型194 
案例6- 4:優化版MLP模型評估197 

第7章RNN與趨勢預測200 
7.1 RNN 200 
7.2 IRNN與趨勢預測201 
案例7-1:RNN趨勢預測模型201
案例7-2:RNN模型評估209 
案例7-3:RNN趨勢預測模型2 211 
案例7-4:RNN模型2評估214 

第8章LSTM與量化分析217 
8.1 LSTM模型217 
8.1.1數值預測218 
案例8 -1:LSTM價格預測模型219 
案例8-2:LSTM價格預測模型評估226 
8.1.2趨勢預測230 
案例8-3:LSTM股價趨勢預測模型231 
案例8-4:LSTM趨勢模型評估239 
8.2 LSTM量化回溯分析242 
8.2.1構建模型243 
案例8-5:構建模型243 
8.2.2數據整理251 
案例8-6:數據整理251 
8.2.3回溯分析262 
案例8-7:回溯分析262 
8.2.4專業回報分析268 
案例8-8:量化交易回報分析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數據整理280 
8.3.2量化回溯284 
8.3.3回報分析285 
8.3.4專業回報分析288 

第9章日線數據回溯分析293 
9.1數據整理293 
案例9-1:數據更新294
案例9-2:數據整理296 
9.2回溯分析307 
9.2.1回溯主函數307 
9.2.2交易信號308 
9.3交易接口函數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數據回溯分析318 
10.1 ffn金融模塊庫318 
案例10-1:ffn功能演示318 
案例10-2:量化交易回報分析330 
案例10-3:完整的量化分析程序343 
10.2 Tick分時數據量化分析357 
案例10-4:Tick分時量化分析程序357 
總結371 
附錄A TensorFlow 1.1函數接口變化372 
附錄B神經網絡常用算法模型377 
附錄C機器學習常用算法模型414