系统介绍了如何将人工智能技术应用于量化投资策略的各个环节,包括投资研究、数据挖掘、策略构建、回测、实盘交易等,展现了AI在量化领域的广阔应用前景。 不仅阐述了AI在量化策略驱动上的理论基础,更提供了丰富的实战案例分析和代码示例,确保读者能够学以致用,真正将AI技术应用于实践中。 全面讲解了常见的量化策略类型,如做市、套利、CTA、多因子选股等,分析了这些策略的原理、变化及建模方法。
售 价：¥
纸质售价：¥62.10购买纸书
6.6
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
赞誉 PRAISE
前言 PREFACE
目 录
第1章 AI量化投资简介与本书导读
1.1 量化投资简介
1.2 AI简介
1.3 研究背景及意义
1.4 量化人的知识结构
1.5 配套的资料
第2章 量化投研平台搭建
2.1 量化投研平台简介
2.2 投研平台常用模块简介
2.3 投研平台实例：BigQuant
2.4 常见投研平台与开源框架介绍
第3章 人工智能时代下的量化策略开发
3.1 证券交易发展历程
3.2 AI时代的量化策略开发与传统量化策略开发比较
3.3 AI技术在量化开发场景下的应用
3.4 AI驱动下的知识库搭建
第4章 常见量化策略的分类与介绍
4.1 量化策略分类方式
4.2 经典策略类型概述
第5章 做市策略
5.1 做市的基本概念
5.2 高频做市策略
5.3 做市策略的收益来源
5.4 经典做市策略AS模型
5.5 经典做市策略GP模型
5.6 订单簿的泊松过程建模
5.7 订单簿信息作为交易信号
5.8 订单簿的机器学习模型
5.9 强化学习
5.10 模型介绍
第6章 套利策略
6.1 套利策略概述
6.2 标的筛选
6.3 预测择时
6.4 Copula法
6.5 风险管理
6.6 总结
第7章 CTA策略
7.1 CTA策略简介
7.2 CTA策略的重要性
7.3 CTA策略的业绩表现
7.4 趋势跟踪策略
7.5 TA-Lib金融量化技术分析库介绍
7.6 期货截面多因子策略
7.7 网格策略介绍
7.8 风险管理和资金分配
7.9 使用Optuna+Vectorbt调优交易策略
第8章 多因子选股策略
8.1 中国股市简介
8.2 选股策略概述
8.3 经典选股因子
8.4 因子组合方法
8.5 案例：多因子选股
第9章 量化回测
9.1 量化回测简介
9.2 量化回测的准备工作
9.3 回测平台选择
9.4 量化回测
9.5 量化回测结果分析
9.6 量化回测经典案例
9.7 量化回测注意事项
第10章 实盘准备
10.1 了解交易市场
10.2 了解交易所的规则
10.3 经纪商的选择
10.4 选择交易标的
10.5 交易平台的选择
10.6 交易柜台的选择
10.7 交易网络的选择
10.8 服务器的选择
10.9 高频交易的终极选择
10.10 交易中的风险控制
10.11 了解你自己
10.12 总结与展望
参考文献
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
