人工智能和机器学习的广泛应用给当今的许多行业带来了根本性的变革。在金融领域,人工智能技术也已锋芒初露。通过阅读本书,你将了解如何利用神经网络和强化学习等方法,对金融市场的走势做出预测。 作者伊夫·希尔皮斯科博士基于多年发、回测和部署人工智能算法交易策略的实战经验,展示了将人工智能算法应用于金融场景的实用方法。本书包含大量Python示例,有助于你边学边练,轻松复现书中的所有结果。
售 价:¥
纸质售价:¥123.30购买纸书
温馨提示:数字商品不支持退换货,不提供源文件,不支持导出打印
为你推荐
O'Reilly Media, Inc.介绍
本书赞誉
前言
排版约定
使用示例代码
O'Reilly 在线学习平台(O'Reilly Online Learning)
联系我们
致谢
更多信息
第一部分 机器智能
第 1 章 人工智能
1.1 算法
1.2 神经网络
1.3 数据的重要性
1.4 结论
第 2 章 超级智能
2.1 成功故事
2.2 硬件的重要性
2.3 智能的形式
2.4 通往超级智能的途径
2.5 智能爆炸
2.6 目标和控制
2.7 潜在的结果
2.8 结论
第二部分 金融和机器学习
第 3 章 规范性金融理论
3.1 不确定性与风险
3.2 预期效用理论
3.3 均值−方差投资组合理论
3.4 资本资产定价模型
3.5 套利定价理论
3.6 结论
第 4 章 数据驱动的金融学
4.1 科学方法
4.2 金融计量经济学与回归
4.3 数据可用性
4.4 重新审视规范性理论
4.5 揭示中心假设
4.6 结论
4.7 Python 代码段
第 5 章 机器学习
5.1 学习
5.2 数据
5.3 成功
5.4 容量
5.5 评估
5.6 偏差和方差
5.7 交叉验证
5.8 结论
第 6 章 人工智能优先的金融
6.1 有效市场
6.2 基于收益数据的市场预测
6.3 基于更多特征的市场预测
6.4 日内市场预测
6.5 结论
第三部分 统计失效
第 7 章 密集神经网络
7.1 数据
7.2 基线预测
7.3 归一化
7.4 暂退
7.5 正则化
7.6 装袋
7.7 优化器
7.8 结论
第 8 章 循环神经网络
8.1 第一个示例
8.2 第二个示例
8.3 金融价格序列
8.4 金融收益率序列
8.5 金融特征
8.6 结论
第 9 章 强化学习
9.1 基本概念
9.2 OpenAI Gym
9.3 蒙特卡罗智能体
9.4 神经网络智能体
9.5 DQL 智能体
9.6 简单的金融沙箱
9.7 更好的金融沙箱
9.8 FQL 智能体
9.9 结论
第四部分 算法交易
第 10 章 向量化回测
10.1 基于SMA 策略的回测
10.2 基于DNN 的每日策略的回测
10.3 基于DNN 的日内策略的回测
10.4 结论
第 11 章 风险管理
11.1 交易机器人
11.2 向量化回测
11.3 基于事件的回测
11.4 风险评估
11.5 风控措施回测
11.6 结论
11.7 Python 代码
第 12 章 执行与部署
12.1 Oanda 账户
12.2 数据检索
12.3 订单执行
12.4 交易机器人
12.5 部署
12.6 结论
12.7 Python 代码
第五部分 展望
第 13 章 基于人工智能的竞争
13.1 人工智能和金融
13.2 标准的缺失
13.3 教育和培训
13.4 资源争夺
13.5 市场影响
13.6 竞争场景
13.7 风险、监管和监督
13.8 结论
第 14 章 金融奇点
14.1 概念和定义
14.2 风险是什么
14.3 通往金融奇点的途径
14.4 正交技能和资源
14.5 之前和之后的情景
14.6 星际迷航还是星球大战
14.7 结论
第六部分 附录
附录 A 交互式神经网络
A.1 张量和张量运算
A.2 简单神经网络
A.3 浅层神经网络
附录 B 神经网络类
B.1 激活函数
B.2 简单神经网络
B.3 浅层神经网络
B.4 预测市场方向
附录 C 卷积神经网络
C.1 特征和标签数据
C.2 训练模型
C.3 测试模型
参考文献
关于作者
关于封面
看完了
买过这本书的人还买过
读了这本书的人还在读
同类图书排行榜