本书采用生动活泼的语言,从入门者的角度,讲解了Python 语言和sklearn 模块库内
置的各种经典机器学习算法;介绍了股市外汇、比特币等实盘交易数据在金融量化方面的
具体分析与应用,包括对未来股票价格的预测、大盘指数趋势分析等。简单风趣的实际案
例让广大读者能够快速掌握机器学习在量化分析方面的编程,为进一步学习金融科技奠定
扎实的基础。
前 言
本书特色
本书全程采用黑箱模式和MBA 案例模式,结合大量经典案例,介绍sklearn 机器学习模块库和常用的机器学习算法,懂Excel 就能看懂本书;逆向式课件模式,结合大量案例、图表,层层剖析;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。
本书是《零起点Python 机器学习快速入门》的后续之作,为了节省篇幅,省略了Python 基础教程,以及sklearn 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》,再阅读本书,这样会收到事半功倍的效果。
本书简单实用,书中配备大量的图表说明,本书特点如下。
IT 零起点:无须任何电脑编程基础,只要会打字、会使用Excel,就能看懂本书,利用本书配套的Python 软件包,轻松学会如何利用Python对股票数据进行专业分析和量化投资分析。
投资零起点:无须购买任何专业软件,本书配套的 zwPython 软件包,采用开源模式,提供100%全功能、全免费的工业级数据分析平台。
配置零起点:所有软件、数据全部采用 “开箱即用”模式,绿色版本,无须安装,解压缩后即可直接运行系统。
理财零起点:采用通俗易懂的语言,配合大量专业的图表和实盘操作案例,无须任何专业金融背景,轻松掌握各种量化投资策略。
数学零起点:全书没有任何复杂的数学公式,只有最基本的加、减、乘、除,轻轻松松就能看懂全书。
网络资源
本书的案例程序,已经做过优化处理,无须GPU 显卡,全部支持单CPU 平台,不过为避免版本冲突,请尽量使用zwPython2017m6 版本运行
本书的案例程序。
使用其他运行环境的读者,如Linux、Mac 平台的用户,请尽量使用Python 3 版本,自行安装其他所需的模块库,如Numpy、Pandas、Tushare等第三方模块库。
此外需要注意的是,大家运行本书案例得到的结果可能与书中略有差别;甚至多次运行同一案例,结果都有所差异。这属于正常情况,因为很多机器学习函数,内部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会有所不同。版本冲突是开源项目常见的问题,为了解决这个问题,本书的源码是独立保存的。
此外,我们还特意设计了zwPython 教学版。建议初学者先使用zwPython 教学版,有关的课件程序,已经经过版本兼容测试,并且集成了zwDat 金融数据集。
本书的读者QQ 互动群:QQ 1 群的群号是124134140;QQ 2 群的群号是650924099;QQ 3 群的群号是450853713。资源下载地址:TopQuant 极宽量化网站“资源中心”。请浏览以下网站,获取最新的网络资源地址:
TopQuant.vip 极宽量化社区
ziwang.com 字王网站
目前两个网站的指向都是一样的。
另外还可以在博文视点网站下载:http://www.broadview.com.cn。
目录设置
为运行本书课件程序,用户需要下载以下三个软件,并设置好目录:zwPython,必须放在根目录,是Python 开发平台,为避免版本冲突,请尽量使用zwPython2017m6 版本。kb_demo,本书sklearn 机器学习配套课件源码。pg_demo,本书Python 入门学习配套课件源码。
以上软件、程序最好保存在固态硬盘,这样速度会快很多;目录名称不要使用中文名称,压缩文件当中的中文名称只是为了便于用户下载。zwPython 开发平台必须放在根目录,课件程序可以放在其他自定义目录,建议放在zwPython 目录下面,作为二级目录。
致谢
特别感谢电子工业出版社的黄爱萍和陈林编辑在选题策划和稿件整理方面所做的大量工作。同时,在本书创作过程中,极宽开源量化团队和培训班的全体成员提出很多宝贵的意见,并对部分课件程序做了中文注解。特别是吴娜、余勤、邢梦来、孙励、王硕几位成员,为TOP 极宽开源量化文库和开源软件编写文档,以及在团队成员管理方面做了大量工作,对他们的付出表示感谢。
何海群(字王)
TOP 极宽量化开源组发起人
2018 年10 月1 日
我发现了一些问题,请问在哪里问问题会得到回复啊
真的无语,没代码的
代码都没的
这书怎么那么坑
请问书中代码和软件资源在哪儿下载?