《金融大模型发与应用实践》是一本深浅出、实战导向的专业教程。它以清晰的结构和丰富的实例，全面覆盖了金融大模型从基础理论到高级应用的各个方面。无论是金融科技的初学者还是资深从业者，都能从中获得宝贵的知识和启发。本书特别适用于那些渴望深化Python编程技能、探索金融模型优化与应用的读者。其内容不仅包括了高频交易、量化策略等前沿话题，还融合了区块、深度学习等创新技术，是金融专业人士和学术界人士的理想读物。
售 价：¥
纸质售价：¥69.50购买纸书
6.5
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
内容简介
作者简介
前言
致谢
第1章 大模型基础
1.1 人工智能
1.2 机器学习和深度学习
1.3 大模型介绍
1.4 人工智能与金融行业交融
第2章 数据预处理与特征工程
2.1 数据清洗与处理
2.2 特征选择与提取
2.3 数据标准化与归一化
第3章 金融时间序列分析
3.1 时间序列的基本概念
3.2 常用的时间序列分析方法
SARIMA模型的主要特点如下所示。
第4章 金融风险建模与管理
4.1 金融风险的基本概念
4.2 基于人工智能的金融风险建模方法
4.3 制作贵州茅台的ARCH模型
4.4 信贷投资组合风险评估模拟程序
第5章 高频交易与量化交易
5.1 高频交易
5.2 量化选股程序
第6章 资产定价与交易策略优化
6.1 资产定价模型概述
6.2 基于人工智能的资产定价方法
7）强化学习的动态投资组合管理
6.3 交易策略优化
6.4 股票交易策略实战：制作股票交易策略模型
6.5 股票交易策略实战：制作美股交易策略模型
第7章 金融市场情绪分析
7.1 情绪分析的概念与方法
7.2 基于人工智能的金融市场情绪分析
7.3 预训练模型：BERT
7.4 预训练模型：FinBERT
第8章 区块链与金融科技创新
8.1 区块链技术的概念与原理
8.2 人工智能与区块链的结合应用
8.3 检测以太坊区块链中的非法账户
8.4 比特币价格预测系统
第9章 基于深度强化学习的量化交易系统
9.1 背景介绍
9.2 项目介绍
9.3 准备工作
9.4 数据预处理
9.5 构建交易环境
9.6 深度强化学习算法模型
9.7 回测交易策略
9.8 最小方差投资组合分配
第10章 基于趋势跟踪的期货交易系统
10.1 背景介绍
10.2 功能模块
10.3 准备工作
10.4 数据分析
10.5 建模
10.6 制定交易策略
10.7 结论
第11章 上市公司估值系统
11.1 背景介绍
11.2 项目介绍
11.3 数据收集
11.4 质性分析
11.5 Open AIAPI和Langchain探索
11.6 定量分析
11.7 估值报告可视化
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
购物车
个人中心
