掃一掃
關(guān)注中圖網(wǎng)
官方微博
本類五星書更多>
-
>
以利為利:財(cái)政關(guān)系與地方政府行為
-
>
立足飯碗 藏糧于地——基于中國人均耕地警戒值的耕地保護(hù)視角
-
>
營銷管理
-
>
茶葉里的全球貿(mào)易史(精裝)
-
>
近代華商股票市場制度與實(shí)踐(1872—1937)
-
>
麥肯錫圖表工作法
-
>
海龜交易法則
AI量化投資 版權(quán)信息
- ISBN：9787302620297
- 條形碼：9787302620297 ; 978-7-302-62029-7
- 裝幀：一般膠版紙
- 冊數(shù)：暫無
- 重量：暫無
- 所屬分類：>
AI量化投資 本書特色
圖書特色： 體系化。量化思想、 量化實(shí)踐、 量化方法、 量化策略、 風(fēng)險控制、信息交易系統(tǒng)接入共同構(gòu)成了量化體系。 創(chuàng)造性。用鯊魚獵腥的方法類比人工神經(jīng)網(wǎng)絡(luò)的訓(xùn)練過程， 用小波分析的方法識別資本證券炒作的市場特征。 穩(wěn)定性。側(cè)重底層邏輯的闡述，致力于對“AI量化投資”領(lǐng)域不變量的挖掘。 可視化。本書大量采用了計(jì)算機(jī)繪制的圖形圖像，比如基于云滴智能技術(shù)觀測主動管理型基金的風(fēng)格漂移，凱利公式風(fēng)控模型的計(jì)算機(jī)模擬。
AI量化投資 內(nèi)容簡介
本書旨在探索AI 技術(shù)與投資策略的跨界融合。 全書分為上下兩篇，共10 章。上篇由量化思想、量化實(shí)踐、量化方法、量化策略、風(fēng)險控制繞不開凱利公式、交易信息系統(tǒng)外接共6 章組成；下篇由遺傳算法在黃金投資中的應(yīng)用、大規(guī)模神經(jīng) 網(wǎng)絡(luò)及股票非量價復(fù)合策略、小波分析及金融工程多維度應(yīng)用和前沿研究與探索共4 章組成。上篇主要闡述當(dāng)前已有的量化知識并用獨(dú)特鮮明的風(fēng)格呈現(xiàn)出來，側(cè)重計(jì)算機(jī)動態(tài)仿真技術(shù)；下篇聚焦 探索未知的領(lǐng)域。全書注重金融實(shí)證、工程數(shù)學(xué)、計(jì)算機(jī)編程三者之間的跨界融合。 本書可作為量化基金從業(yè)人員和證券分析師的參考用書，也可作為金融專業(yè)、人工智能專業(yè)的高年級本科生、碩士和博士研究生的參考書( 含畢業(yè)論文參考用書)，還可以作為具備理工科背景且 未來有志于從事AI 量化投資人士的自學(xué)書籍。
AI量化投資 目錄
第 1 章 量化思想
1.1 超額 α 實(shí)證案例
1.1.1 定量構(gòu)建三級基金池
1.1.2 通過“AOA”分析法進(jìn)行大類資產(chǎn)配置
1.1.3 檢驗(yàn)正交 ( 獨(dú)立 ) 的多條投資回報流
1.1.4 組建風(fēng)險收益模型
1.1.5 模型延伸：通過 JDBC 驅(qū)動連接 MySQL 接口
1.2 萬物皆是算法
1.2.1 生物學(xué)的算法屬性
1.2.2 機(jī)器學(xué)習(xí)算法與數(shù)學(xué)機(jī)械化概述
1.3 什么是量化投資
1.3.1 量化戰(zhàn)勝市場
1.3.2 主觀投資與量化投資
1.3.3 全球證券投資的上升策略
1.3.4 經(jīng)典多因子量化三要素
1.3.5 多因子投資拓?fù)浣Y(jié)構(gòu)
1.3.6 算力與 tick 顆粒度
1.3.7 算法暴力會人為造成服務(wù)器“燃料”短缺
1.3.8 量化策略能盈利的底層邏輯
1.4 什么是 AI 量化投資
1.4.1 AI 量化投資與量化投資的本質(zhì)區(qū)別
1.4.2 收益與高流動性顯著相關(guān)
1.5 AI 用于投資策略的三項(xiàng)前提條件
第 2 章 量化實(shí)踐
2.1 定量設(shè)計(jì)現(xiàn)金管理方案
2.2 基金科學(xué)定投
2.2.1 蒙特卡羅模擬的原理
2.2.2 誤差分析
2.2.3 定投鈍化
2.3 時間分辨率為何深度影響投資收益率
2.3.1 時間分辨率
2.3.2 投資時間顆粒度與復(fù)利理論*大值
第 3 章 量化方法
3.1 線性相關(guān)度
3.1.1 計(jì)算方法
3.1.2 用于宏觀經(jīng)濟(jì)因子
3.1.3 構(gòu)建不相關(guān)投資回報流
3.1.4 線性相關(guān)度延伸： Spearman 相關(guān)度
3.2 灰色相關(guān)矩陣
3.2.1 股票走勢的灰色性
3.2.2 灰色關(guān)聯(lián)度計(jì)算方法
3.2.3 用于宏觀經(jīng)濟(jì)因子
3.3 多因子投資
3.3.1 因子暴露、因子溢價、因子模型、資產(chǎn)向量圖
3.3.2 構(gòu)建多因子投資向量通式
3.3.3 單因子溢價
3.3.4 雙因子溢價
3.3.5 因子檢驗(yàn)
3.3.6 多因子分析的主觀性
3.4 云模型，不確定性的 AI
3.4.1 “云滴”的隨機(jī)性與模糊性
3.4.2 云滴模擬基金的風(fēng)格漂移
3.5 貝葉斯判別法，先驗(yàn)概率的 AI
3.5.1 后驗(yàn)概率
3.5.2 判別股票的動量反轉(zhuǎn)
3.6 K-means 聚類法
3.6.1 數(shù)學(xué)原理
3.6.2 中證 1000 成分股量價因子聚類
3.6.3 A 股全指個股量價因子聚類
3.7 行為金融交易法
3.7.1 前景理論
3.7.2 面向未來
3.7.3 信息交易者與噪聲交易者
第 4 章 量化策略
4.1 量化投資流程與策略分類
4.1.1 策略實(shí)現(xiàn)流程
4.1.2 量化策略分類
4.2 指數(shù)增強(qiáng)策略
4.3 對沖中性策略
4.3.1 策略原理
4.3.2 期貨升貼水
4.3.3 ETF 對沖概述
4.4 網(wǎng)格交易策略
4.4.1 網(wǎng)格交易原理
4.4.2 滬深 300 實(shí)證案例
4.4.3 策略缺點(diǎn)與優(yōu)化
4.5 風(fēng)險平價策略
4.5.1 原始模型
4.5.2 常規(guī)模型
4.5.3 模型求解
4.5.4 增強(qiáng)模型
4.5.5 杠桿模型
4.6 CTA 策略
4.7 量化策略的趨勢
第 5 章 風(fēng)險控制繞不開凱利公式
5.1 普適的凱利公式
5.2 勝率和賠率決定冒險投資的倉位
5.3 公式推導(dǎo)
5.4 計(jì)算機(jī)動態(tài)模擬
5.5 凱利投資準(zhǔn)則
第 6 章 交易信息系統(tǒng)外接
6.1 接入門檻
6.2 系統(tǒng)外接 IT 架構(gòu)
下篇 AI 方法及投資策略
第 7 章 遺傳算法在黃金投資中的應(yīng)用
7.1 AI 算法思想
7.1.1 邊緣活躍效應(yīng)
7.1.2 AI 算法時代
7.1.3 量化投資在我國的發(fā)展階段
7.2 遺傳算法概述
7.2.1 重度參與飛機(jī)發(fā)動機(jī)設(shè)計(jì)
7.2.2 生物學(xué)基礎(chǔ)
7.3 遺傳算法關(guān)鍵數(shù)學(xué)原理
7.3.1 編解碼
7.3.2 復(fù)制運(yùn)算
7.4 遺傳算法尋優(yōu)舉例
7.4.1 編碼
7.4.2 評價個體適應(yīng)度
7.4.3 新種群復(fù)制
7.4.4 交配點(diǎn)發(fā)生交配
7.4.5 基因突變
7.5 遺傳算法拓展
7.5.1 協(xié)力進(jìn)化
7.5.2 遺傳算法與弗洛伊德夢的解析法
7.6 計(jì)算機(jī)程序設(shè)計(jì)框架
7.6.1 偽代碼設(shè)計(jì)
7.6.2 參數(shù)設(shè)計(jì)準(zhǔn)則
7.6.3 適應(yīng)度函數(shù)調(diào)優(yōu)
7.7 黃金現(xiàn)貨對沖套利
7.7.1 黃金投資重要屬性
7.7.2 定價要素
7.7.3 組建模型
7.7.4 求解非線性多約束雙目標(biāo)函數(shù)
7.7.5 套利策略設(shè)計(jì)思路
第 8 章 大規(guī)模神經(jīng)網(wǎng)絡(luò)及股票非量價復(fù)合策略
8.1 人工神經(jīng)網(wǎng)絡(luò)概述
8.1.1 網(wǎng)絡(luò)結(jié)構(gòu)
8.1.2 激勵函數(shù)
8.2 經(jīng)典神經(jīng)網(wǎng)絡(luò)模型
8.2.1 因式分解網(wǎng)絡(luò)的學(xué)習(xí)步驟
8.2.2 基于視網(wǎng)膜感受視野設(shè)計(jì) RBF 神經(jīng)網(wǎng)絡(luò)
8.3 設(shè)計(jì) BP 神經(jīng)網(wǎng)絡(luò)
8.3.1 鯊魚嗅聞血腥味原理
8.3.2 網(wǎng)絡(luò)學(xué)習(xí)案例化解析
8.3.3 網(wǎng)絡(luò)訓(xùn)練多尺度分析
8.4 設(shè)計(jì) RBF 神經(jīng)網(wǎng)絡(luò)
8.4.1 梯度訓(xùn)練法
8.4.2 性能要素
8.5 評價神經(jīng)網(wǎng)絡(luò)的泛化能力
8.6 神經(jīng)網(wǎng)絡(luò)核心技術(shù)與策略
8.6.1 震蕩的成因
8.6.2 演繹推理法與絕妙的排列組合算法
8.7 設(shè)計(jì)大規(guī)模徑向基小波神經(jīng)網(wǎng)絡(luò)的深度理論
8.7.1 五層網(wǎng)絡(luò)拓?fù)浣Y(jié)構(gòu)
8.7.2 符號約定
8.7.3 組建神經(jīng)網(wǎng)絡(luò)數(shù)學(xué)模型
8.7.4 調(diào)整伸縮因子a
8.7.5 調(diào)整尺度因子b
8.7.6 調(diào)整連接權(quán)值w
8.7.7 a、 b、 w動態(tài)調(diào)整量
8.7.8 添加網(wǎng)絡(luò)動量
8.7.9 非常規(guī)定律
8.8 中證 1000 成分股非量價復(fù)合策略
8.8.1 股價預(yù)測的合理性與不合理性
8.8.2 多策略原理闡述
8.8.3 因子群挖掘
8.8.4 股票數(shù)據(jù) ETL
8.8.5 股票數(shù)據(jù)歸一化和添加白噪聲
8.8.6 啟動訓(xùn)練
8.8.7 股價預(yù)測準(zhǔn)確率
8.8.8 交易指令設(shè)計(jì)
8.8.9 為什么有些機(jī)器學(xué)習(xí)量化策略沒有成功
8.8.10 神經(jīng)網(wǎng)絡(luò)在股票優(yōu)選策略中的獨(dú)特優(yōu)勢
第 9 章 小波分析及金融工程多維度應(yīng)用
9.1 小波分析框架理論
9.1.1 數(shù)學(xué)變換的含義
9.1.2 傅里葉變換的局限性在哪里
9.1.3 傅里葉變換和小波變換圖譜對比
9.1.4 小波的定義及特征
9.2 小波伸縮平移和變換
9.2.1 母小波伸縮平移
9.2.2 連續(xù)小波變換
9.3 小波分解與重構(gòu)
9.3.1 平均和細(xì)節(jié)
9.3.2 多尺度分析
9.4 市場熵投資策略
9.4.1 海森堡測不準(zhǔn)定律
9.4.2 小波窗函數(shù)影響市場動量因子
9.4.3 統(tǒng)一論的量化投資體系
9.5 抽取震蕩中的道瓊斯工業(yè)指數(shù)行情趨勢
9.6 識別可轉(zhuǎn)債的資本市場炒作行為
9.6.1 進(jìn)可攻，退可守的可轉(zhuǎn)債
9.6.2 數(shù)據(jù)洗滌
9.6.3 基于 db6 小波基對炒作信號進(jìn)行變換
9.6.4 通過噪聲分貝識別可轉(zhuǎn)債市場炒作行為
9.6.5 模型延伸：提升時間分辨率
第 10 章 前沿研究與探索
10.1 斐波那契投資模型
10.1.1 通項(xiàng)式
10.1.2 簡單是股票策略有效的必要條件
10.2 股票能量守恒定律
10.2.1 物理方程式
10.2.2 實(shí)證案例
10.3 *速降線：股票利空出盡的快速途徑
10.3.1 參數(shù)方程組
10.3.2 延伸理解
10.3.3 利空出盡*速衰減規(guī)律
后記
參考文獻(xiàn)
展開全部
AI量化投資 作者簡介
李必文，在金融持牌機(jī)構(gòu)從業(yè) 7 年以上，位居管理層；隨后投身高科技實(shí)體產(chǎn)業(yè)， 2021 年期間在芯片半導(dǎo)體大廠戰(zhàn)略管理部任職；先后從事紡織服裝、互聯(lián)網(wǎng)、基金、芯片四個行業(yè)，擁有跨學(xué)科、跨行業(yè)的豐富經(jīng)驗(yàn)和成功案例；大學(xué)畢業(yè)至今，已出版計(jì)算機(jī)編程、機(jī)器學(xué)習(xí)等相關(guān)著作 5 部。
書友推薦
- >
煙與鏡
- >
巴金－再思錄
- >
上帝之肋:男人的真實(shí)旅程
- >
姑媽的寶刀
- >
伯納黛特,你要去哪(2021新版)
- >
伊索寓言-世界文學(xué)名著典藏-全譯本
- >
人文閱讀與收藏·良友文學(xué)叢書:一天的工作
- >
月亮與六便士
本類暢銷
