零起点TensorFlow与量化交易
  • 推荐0
  • 收藏6
  • 浏览4.9K

零起点TensorFlow与量化交易

何海群 (作者) 

  • 丛  书:金融科技丛书
  • 书  号:978-7-121-33584-6
  • 出版日期:2018-03-01
  • 页  数:
  • 开  本:
  • 出版状态:上市销售
  • 维护人:黄爱萍
电子书 ¥49.00
购买电子书
Python量化回溯、TensorFlow、PyTorch、MXNet深度学习平台以及神经网络模型,都是近年来兴起的前沿科技项目,相关理论、平台、工具目前尚处于摸索阶段。
TensorFlow是近年来影响最大的神经网络、深度学习平台,本书从入门者的角度,对TensorFlow进行了介绍,书中通过大量的实际案例,让初学者快速掌握神经网络和金融量化分析的基本编程,为进一步学习奠定扎实的基础。
本书中的案例、程序以教学为主,且进行了高度简化,以便读者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、神经网络的应用。
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等新一代深度学习平台来获得。最重要的是,广大的一线实盘操作人员需要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收益。
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。
何海群,网名:字王,CHRD前海智库CTO,《中华大字库》发明人,20年人工智能从业经验;zwPython开发平台、TopQuant.vip极宽量化系统设计师,中国“Python创客”项目发起人,国内Python量化项目的启蒙者和开拓者:《Python量化实盘·魔鬼训练营》,Top极宽量化开源团队的创始人。2018年于深圳华侨城创意园,启动太和极宽金融孵化基地:金融、科技、艺术三位一体。
研究成果有:BigQuant理论架构:Python量化+数字货币+人工智能;“小数据”理论,GPU超算工作站、MTRD多节点超算集群算法、“1+N”网络传播模型、人工智能“足彩图灵法则”等;论文《人工智能与中文字型设计》是中文字库行业三大基础建模理论之一。
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.cn/33584。
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.com/s/1jIg944u。
 极宽量化QQ群:总群,124134140;QQ 2群,650924099;QQ 3群,450853713。
 技术Blog:http://blog.sina.com.cn/zbrow。
 字王Git项目总览:https://github.com/ziwang-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,提出了很多宝贵的意见,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,为极宽开源量化文库和TopQuant极宽量化开源软件编写了文档,并在团队成员管理方面做了大量工作,为他们的付出表示感谢。

何海群(字王)
TopQuant.vip极宽量化开源组•创始人
2018年2月14日

目录





目 录



第1章 TensorFlow概述 1
1.1 TensorFlow要点概括 2
1.2 TensorFlow简化接口 2
1.3 Keras简介 3
1.4 运行环境模块的安装 4
1.4.1 CUDA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
1.4.2 GPU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
2.1.1 TopDat金融数据集 14
2.1.2 量化分析与试错成本 15
2.2 OHLC金融数据格式 16
案例2-1:金融数据格式 17
2.3 K线图 18
案例2-2:绘制金融数据K线图 19
2.4 Tick数据格式 22
案例2-3:Tick数据格式 23
2.4.1 Tick数据与分时数据转换 25
案例2-4:分时数据 25
2.4.2 resample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
2.6 TopDown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
2.6.1 Tick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
2.6.2 Tick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
3.4 TA-Lib金融指标 66
3.5 TQ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
3.8 TQ_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
3.10 TDS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2.0 105
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
4.1 TFLearn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corr 113
4.3.1 Pearson相关系数 114
4.3.2 Spearman相关系数 114
4.3.3 Kendall相关系数 115
4.4 open(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
4.6 n+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
4.7 n+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
4.8 One-Hot 145
案例4-8:One-Hot格式 146
4.9 DNN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
5.1 Keras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
6.1 MLP 182
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
7.1 RNN 200
7.2 IRNN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2 211
案例7-4:RNN模型2评估 214
第8章 LSTM与量化分析 217
8.1 LSTM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
8.2 LSTM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
10.1 ffn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
10.2 Tick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A TensorFlow 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


读者评论

  • AttributeError: module ‘matplotlib.cm’ has no attribute ‘Vega10’错误, 代码没有一个能跑起来的,太烂了

    君子不器发表于 2022/10/21 19:19:09
  • kc202_zd_dr.py出现:AttributeError: module ‘matplotlib.cm’ has no attribute ‘Vega10’错误,请问如何解决?

    与你同行发表于 2019/6/9 10:29:44
    • 同问

      agevan发表于 2021/3/21 17:26:54
  • 何老师,请问TopDat金融数据集从哪里获取?谢谢

    进击的菜鸟发表于 2018/11/6 14:45:57

电子书版本

  • Epub

同系列书

  • 股票多因子模型实战:Python核心代码解析

    陆一潇 (作者)

    本书深入浅出地介绍股票多因子模型的原理与构建方式,从基础知识、单因子测试、因子合成、股票组合构建等多方面进行介绍。 本书共6章:第1章对量化投资进行概述,引出...

     
  • 量化风险管理:概念、技术和工具(修订版)

    Alexander J. McNeil, Rüdiger Frey, Paul Embrechts (作者) 卜永强 (译者)

    近几十年来,金融风险管理领域随着金融工具和市场的日益复杂以及金融服务业监管的不断加强而迅速发展。本书专门讨论这个领域中出现的量化建模问题,对量化风险管理的理论概...

    ¥199.00
  • Python机器学习与量化投资

    何海群 (作者)

    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<br>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...

    ¥79.00
  • MXNet神经网络与实战应用

    TOP 极宽量化开源组 (作者)

    MXNet是亚马逊(Amazon)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...

    ¥69.00
  • 零起点:Python大数据与量化交易

    何海群 (作者)

    本书是国内较早关于Python大数据与量化交易的原创书籍,配合zwPython、zwQuant开源量化软件学习,已经是一套完整的大数据分析、量化交易学习教材,可...

    ¥79.00

相关图书

亿级流量系统架构设计与实战

李琛轩 (作者)

本书涵盖了亿级用户应用后台通用的技术和系统架构设计思路,在内容结构上分为三大篇:架构知识篇(第1~3章),作为全书的基础知识篇,首先介绍后台的关键组件构成以及机...

 

算法笔记(第2版)

刁瑞 谢妍 (作者)

ChatGPT掀起了现象级的风暴,赶超ChatGPT潮流,算法突破是关键。 本书介绍了若干常见算法,涉及排序、哈希、动态规划与近似算法、高斯消去法、图论与线性...

 

看漫画学Python:有趣、有料、好玩、好用(全彩修订版)

关东升 赵大羽 (作者)

ython是一门既简单又强大的编程语言,被广泛应用于数据分析、大数据、网络爬虫、自动化运维、科学计算和人工智能等领域。Python也越来越重要,成为国家计算机等...

 

Linux从入门到精通

张启玉 (作者)

本书以CentOS 7.8为演示系统,以阿里云为演示服务器,从Linux常用命令入手,从一毕业就要入职公司的上手要求出发,重实战、轻原理,目的就是要带领读者从一...

 

看漫画学Python 2:有趣、有料、好玩、好用(全彩进阶版)

关东升 ,赵大羽 (作者)

本书是《看漫画学Python》的进阶版本,继续秉承有趣、有料、好玩、好用的理念,并继续采用《看漫画学Python》一书中3个不同的漫画人物角色,通过这3个角色之...

 

趣玩Python:自动化办公真简单(双色+视频版)

本书以数据收集→数据清洗→数据分析→数据可视化→根据数据可视化结果(即图表)做决策为脉络,介绍Python在实际工作场景中的应用,侧重于用Python解决工作中...