新書推薦：
《
复原力
》
售價：NT$
345.0
《
近代中国思维方式的演变（王中江著作系列）
》
售價：NT$
950.0
《
我可以近乎孤独地度过一生
》
售價：NT$
440.0
《
二十四节气生活美学
》
售價：NT$
340.0
《
古文观止（上+下）（2册）高中生初中生阅读 国学经典丛书原文+注释+译文古诗词大全集名家精译青少年启蒙经典读本无障碍阅读精装中国古代著名文学书籍国学经典
》
售價：NT$
440.0
《
宠物革命：动物与现代英国生活的形成
》
售價：NT$
360.0
《
（棱镜精装人文译丛）蔑视大众：现代社会文化斗争的实验
》
售價：NT$
275.0
《
皇家宫廷中的保健秘方 中小学课外阅读
》
售價：NT$
290.0
|
| 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
| 聯絡我們
| 運費計算
| 幫助中心 |
加入書簽
HOME
新書上架
