掃一掃
關(guān)注中圖網(wǎng)
官方微博
>
巧用AI大模型輕松學(xué)會Python金融數(shù)據(jù)分析
本類五星書更多>
-
>
貨幣大歷史:金融霸權(quán)與大國興衰六百年
-
>
(精)方力鈞作品圖錄
-
>
《藏書報》2021合訂本
-
>
(精)中國當(dāng)代書畫名家作品集·范碩:書法卷+繪畫卷(全2卷)
-
>
(噴繪樓閣版)女主臨朝:武則天的權(quán)力之路
-
>
書里掉出來一只狼+狼的故事-全2冊
-
>
奇思妙想創(chuàng)意玩具書(精裝4冊)
巧用AI大模型輕松學(xué)會Python金融數(shù)據(jù)分析 版權(quán)信息
- ISBN：9787301353059
- 條形碼：9787301353059 ; 978-7-301-35305-9
- 裝幀：平裝-膠訂
- 冊數(shù)：暫無
- 重量：暫無
- 所屬分類：
巧用AI大模型輕松學(xué)會Python金融數(shù)據(jù)分析 本書特色
1.金融大數(shù)據(jù)分析新模式：讓金融大數(shù)據(jù)分析更高效、更快捷、更完美。
2.全流程解析：涵蓋獲取金融數(shù)據(jù)到數(shù)據(jù)處理、數(shù)據(jù)可視化、探索、建模，再到機器學(xué)習(xí)和深度學(xué)習(xí)等全流程應(yīng)用。
3.實戰(zhàn)檢驗：ChatGPT結(jié)合多種金融大數(shù)據(jù)分析工具及案例實操講解，理解更加透徹。
4.快速提高金融大數(shù)據(jù)分析效率：揭秘ChatGPT與金融大數(shù)據(jù)分析高效融合的核心方法論和實踐經(jīng)驗。
巧用AI大模型輕松學(xué)會Python金融數(shù)據(jù)分析 內(nèi)容簡介
本書旨在幫助讀者運用現(xiàn)代AI技術(shù)深入探索金融數(shù)據(jù)分析領(lǐng)域。
本書以Python為主要編程語言，通過豐富的實例與ChatGPT的智能輔助，詳盡講解了從獲取金融數(shù)據(jù)、數(shù)據(jù)處理、數(shù)據(jù)可視化、探索性數(shù)據(jù)分析、建模，到機器學(xué)習(xí)和深度學(xué)習(xí)的應(yīng)用。本書不僅包含全面的理論知識和技術(shù)指導(dǎo)，還附贈大量高質(zhì)量的金融數(shù)據(jù)，方便讀者在無法調(diào)用接口時進行實操演練。同時，本書還探討了生成式AI在選股和資產(chǎn)配置中的前沿應(yīng)用，為讀者提供了洞察金融領(lǐng)域未來發(fā)展的新視角。
無論您是金融行業(yè)的專業(yè)人士、正在學(xué)習(xí)數(shù)據(jù)分析的學(xué)生，還是對金融科技感興趣的業(yè)余愛好者，本書都將為您提供豐富的知識和實踐經(jīng)驗，助您輕松掌握Python金融數(shù)據(jù)分析的核心技能。
巧用AI大模型輕松學(xué)會Python金融數(shù)據(jù)分析 目錄
第 1 章
用 Python 獲取金融數(shù)據(jù) / 1
1.1 獲取股票數(shù)據(jù) 2
1.1.1 獲取股票實時行情數(shù)據(jù) 2
1.1.2 獲取股票歷史行情數(shù)據(jù) 4
1.1.3 獲取上市公司財務(wù)指標(biāo)數(shù)據(jù) .5
1.2 獲取期貨數(shù)據(jù) 8
1.2.1 獲取期貨手續(xù)費與保證金數(shù)據(jù)8
1.2.2 獲取期貨實時行情數(shù)據(jù) 10
1.2.3 獲取期貨歷史行情數(shù)據(jù) 11
1.3 獲取宏觀數(shù)據(jù) 12
1.3.1 獲取國內(nèi)生產(chǎn)總值數(shù)據(jù) 12
1.3.2 獲取社會融資規(guī)模增量統(tǒng)計數(shù)據(jù) 14
1.3.3 獲取 M2 貨幣供應(yīng)年率數(shù)據(jù) .15
1.4 小結(jié)與習(xí)題 .15
第 2 章
讓 ChatGPT 協(xié)助處理金融數(shù)據(jù) / 17
2.1 將價格數(shù)據(jù)轉(zhuǎn)化為收益 .18
2.1.1 讓 ChatGPT 協(xié)助計算簡單收益18
2.1.2 讓 ChatGPT 協(xié)助計算對數(shù)收益20
2.2 根據(jù)通貨膨脹調(diào)整收益 .21
2.2.1 通貨膨脹調(diào)整的一般步驟.22
2.2.2 獲取 CPI 月率數(shù)據(jù)并進行處理.23
2.2.3 讓 ChatGPT 協(xié)助進行通貨膨脹調(diào)整24
2.3 實現(xiàn)波動率的計算 .26
2.3.1 實現(xiàn)波動率的原理與公式.26
2.3.2 計算股價的月度實現(xiàn)波動率 .27
2.3.3 讓 ChatGPT 協(xié)助計算年化實現(xiàn)波動率 28
2.4 缺失數(shù)據(jù)填補 31
2.4.1 用 reindex 填補缺失的日期.31
2.4.2 讓 ChatGPT 協(xié)助填充缺失數(shù)據(jù)32
2.4.3 讓 ChatGPT 協(xié)助用插值法填充缺失數(shù)據(jù)33
2.5 小結(jié)與習(xí)題 .35第 3 章
讓 ChatGPT 協(xié)助可視化金融時間序列數(shù)據(jù) / 36
3.1 時間序列數(shù)據(jù)的基本可視化 37
3.1.1 基本折線圖的繪制.37
3.1.2 讓 ChatGPT 協(xié)助繪制子圖.39
3.1.3 讓 ChatGPT 協(xié)助美化子圖.40
3.2 季節(jié)性模式可視化 .42
3.3 交互式可視化 45
3.3.1 讓 ChatGPT 用 Cufflink 繪制交互式圖像45
3.3.2 讓 ChatGPT 用 Plotly 繪制交互式圖像47
3.3.3 讓 ChatGPT 協(xié)助美化交互式圖像.49
3.4 K 線圖的繪制 50
3.4.1 讓 ChatGPT 協(xié)助繪制基本 K 線圖50
3.4.2 讓 ChatGPT 協(xié)助添加均線.53
3.4.3 讓 ChatGPT 協(xié)助添加成交量54
3.5 小結(jié)與習(xí)題 .56
第 4 章
讓 ChatGPT 協(xié)助探索金融時間序列數(shù)據(jù) / 57
4.1 讓 ChatGPT 協(xié)助處理異常值 58
4.1.1 使用滾動統(tǒng)計檢測異常值.58
4.1.2 使用溫索化處理異常值 61
4.2 讓 ChatGPT 協(xié)助檢測趨勢變化 62
4.2.1 使用 Pelt 算法檢測趨勢變化63
4.2.2 使用二元分段法檢測變點.64
4.2.3 時間序列中的趨勢檢測 66
4.3 讓 ChatGPT 協(xié)助研究資產(chǎn)回報的典型特征 67
4.3.1 資產(chǎn)回報的統(tǒng)計分布68
4.3.2 資產(chǎn)回報的自相關(guān)性分析.71
4.3.3 資產(chǎn)回報的杠桿效應(yīng)74
4.3.4 用 Hurst 指數(shù)識別時間序列中的趨勢75
4.4 小結(jié)與習(xí)題 .78
第 5 章
讓 ChatGPT 協(xié)助進行技術(shù)分析 / 79
5.1 讓 ChatGPT 協(xié)助使用 TA-Lib 計算技術(shù)指標(biāo) 80
5.1.1 使用 TA-Lib 計算均線指標(biāo) .81
5.1.2 使用 TA-Lib 計算布林帶指標(biāo)82
5.1.3 使用 TA-Lib 計算 RSI 指標(biāo) 84
5.2 讓 ChatGPT 協(xié)助識別 K 線形態(tài) .86
5.2.1 使用 TA-Lib 識別“早晨之星”形態(tài)88
5.2.2 使用 TA-Lib 識別“錘頭”形態(tài).89
5.2.3 調(diào)用 TA-Lib 全部模式識別函數(shù)識別K 線形態(tài).91
5.3 讓 ChatGPT 協(xié)助開發(fā)技術(shù)分析
面板 935.3.1 使用下拉菜單選擇期貨品種 .95
5.3.2 讓用戶選擇起止日期97
5.3.3 添加技術(shù)分析指標(biāo).99
5.3.4 添加 K 線圖與技術(shù)指標(biāo)的可視化展示100
5.4 小結(jié)與習(xí)題 .103
第 6 章
讓 ChatGPT 協(xié)助進行時間序列分析與建模 / 104
6.1 讓 ChatGPT 協(xié)助進行時間序列分解 105
6.1.1 直觀地觀察時間序列數(shù)據(jù)的季節(jié)性模式105
6.1.2 對數(shù)據(jù)進行滾動統(tǒng)計107
6.1.3 使用“加法模型”進行季節(jié)性分解109
6.1.4 使用 STL 分解法進行時間序列分解111
6.2 讓 ChatGPT 協(xié)助對時間序列進行平穩(wěn)性檢驗 .113
6.2.1 對時間序列進行 ADF 檢驗 113
6.2.2 對時間序列進行 KPSS 檢驗114
6.2.3 修正時間序列的不平穩(wěn)性.116
6.3 讓 ChatGPT 協(xié)助進行時間序列建模 118
6.3.1 使用 ARIMA 進行建模 119
6.3.2 使用指數(shù)平滑方法進行建模 .122
6.4 小結(jié)與習(xí)題 .125
第 7 章
讓 ChatGPT 協(xié)助用機器學(xué)習(xí)建模 / 126
7.1 讓 ChatGPT 協(xié)助建立線性回歸模型 127
7.1.1 創(chuàng)建*簡單的模型并做出預(yù)測128
7.1.2 使用滾動時間序列交叉驗證法評估模型130
7.2 讓 ChatGPT 協(xié)助進行特征工程 134
7.2.1 添加均線特征并訓(xùn)練模型.134
7.2.2 添加滯后特征并訓(xùn)練模型.136
7.2.3 添加時間特征并訓(xùn)練模型.139
7.3 讓 ChatGPT 協(xié)助使用更多機器學(xué)習(xí)算法建模 .143
7.4 小結(jié)與習(xí)題 .146
第 8 章
讓 ChatGPT 協(xié)助使用多因子模型 / 147
8.1 讓 ChatGPT 協(xié)助使用 CAPM 模型 148
8.1.1 CAPM 的基本原理148
8.1.2 資產(chǎn)和指數(shù)數(shù)據(jù)的準(zhǔn)備 149
8.1.3 使用 CAPM 計算股票的貝塔系數(shù)150
8.2 讓 ChatGPT 協(xié)助使用三因子模型 152
8.2.1 三因子模型的基本原理 152
8.2.2 三因子數(shù)據(jù)的準(zhǔn)備.153
8.2.3 三因子模型的創(chuàng)建.155
8.2.4 用三因子模型對投資組合進行滾動估計157
8.3 讓 ChatGPT 協(xié)助使用其他多因子模型 161
8.3.1 Carhart 四因子模型161
8.3.2 Fama-French 五因子模型.163
8.3.3 基于多因子模型調(diào)整投資組合167
8.4 小結(jié)與習(xí)題 .168
第 9 章
讓 ChatGPT 協(xié)助使用 GARCH 建模 / 170
9.1 讓 ChatGPT 協(xié)助探索 ARCH 模型 .171
9.1.1 ARCH 模型的基本原理.171
9.1.2 ARCH 模型的具體實現(xiàn).173
9.2 讓 ChatGPT 協(xié)助探索 GARCH模型 177
9.2.1 GARCH 模型的基本原理177
9.2.2 GARCH 模型的具體實現(xiàn)178
9.2.3 用 GARCH 模型預(yù)測未來波動率.180
9.3 讓 ChatGPT 協(xié)助探索 CCC-GARCH模型 183
9.3.1 CCC-GARCH 模型的原理.183
9.3.2 CCC-GARCH 模型的實現(xiàn).185
9.3.3 用 CCC-GARCH 模型預(yù)測條件協(xié)方差矩陣188
9.4 小結(jié)與習(xí)題 .190
第 10 章
讓 ChatGPT 協(xié)助進行蒙特卡羅模擬 / 191
10.1 讓 ChatGPT 協(xié)助掌握幾何布朗運動 192
10.1.1 幾何布朗運動的基本原理.192
10.1.2 定義幾何布朗運動模擬函數(shù) .194
10.1.3 使用定義好的函數(shù)模擬股價變動 197
10.2 讓 ChatGPT 協(xié)助進行期權(quán)定價 199
10.2.1 期權(quán)基礎(chǔ)知識199
10.2.2 使用蒙特卡羅模擬對歐洲期權(quán)定價 201
10.2.3 使用 LSMC 方法對美國期權(quán)定價 203
10.3 讓 ChatGPT 協(xié)助估計 VaR .207
10.3.1 VaR 的基本概念 .207
10.3.2 創(chuàng)建虛擬的投資組合208
10.3.3 估計投資組合的 VaR 209
10.4 小結(jié)與習(xí)題 .212
第 11 章
讓 ChatGPT 協(xié)助進行資產(chǎn)配置 / 213
11.1 讓 ChatGPT 協(xié)助評估等權(quán)重投資組合 214
11.1.1 創(chuàng)建虛擬的投資組合214
11.1.2 使用 QuantStats 繪制業(yè)績快照圖.217
11.1.3 使用 QuantStats 生成業(yè)績評估報告 219
11.2 讓 ChatGPT 協(xié)助構(gòu)建有效前沿 222
11.2.1 使用蒙特卡羅模擬尋找有效前沿 222
11.2.2 使用優(yōu)化算法尋找有效前沿 .226
11.3 讓 ChatGPT 協(xié)助*大化風(fēng)險平衡 231
11.3.1 層次風(fēng)險平價的基本原理.231
11.3.2 層次風(fēng)險平價的實現(xiàn)232
11.4 小結(jié)與習(xí)題 .236
第 12 章
讓 ChatGPT 協(xié)助回測交易策略 / 237
12.1 讓 ChatGPT 協(xié)助進行向量化回測 238
12.1.1 交易信號的生成.238
12.1.2 交易策略的收益計算241
12.1.3 在交易策略中添加交易成本 .245
12.2 讓 ChatGPT 協(xié)助使用 backtrader回測 246
12.2.1 小試 backtrader.247
12.2.2 backtrader 中的 Strategy 類249
12.2.3 用 backtrader 回測均線策略.250
12.3 讓 ChatGPT 協(xié)助回測多空策略 254
12.3.1 基于 RSI 設(shè)計多空策略 .254
12.3.2 執(zhí)行多空策略的回測256
12.4 小結(jié)與習(xí)題 .258
第 13 章
深度學(xué)習(xí)的基礎(chǔ)知識 / 259
13.1 深度學(xué)習(xí)的一些基本概念 260
13.1.1 神經(jīng)網(wǎng)絡(luò)與神經(jīng)元.260
13.1.2 神經(jīng)元的激活函數(shù).262
13.2 神經(jīng)網(wǎng)絡(luò)的訓(xùn)練 268
13.2.1 神經(jīng)網(wǎng)絡(luò)的損失函數(shù)269
13.2.2 反向傳播與梯度下降271
13.2.3 用 TensorFlow 訓(xùn)練*簡單的神經(jīng)
網(wǎng)絡(luò) 27313.3 一些特殊的神經(jīng)網(wǎng)絡(luò) .276
13.3.1 循環(huán)神經(jīng)網(wǎng)絡(luò)276
13.3.2 長短期記憶網(wǎng)絡(luò).280
13.3.3 卷積神經(jīng)網(wǎng)絡(luò)283
13.4 小結(jié)與習(xí)題 .286
第 14 章
深度學(xué)習(xí)在金融領(lǐng)域的應(yīng)用探索 / 287
14.1 用神經(jīng)網(wǎng)絡(luò)預(yù)測金融市場 288
14.1.1 使用 LSTM 預(yù)測期貨價格 .288
14.1.2 使用歸一化處理數(shù)據(jù)并訓(xùn)練模型 292
14.1.3 使用 LSTM 預(yù)測收益 295
14.2 用神經(jīng)網(wǎng)絡(luò)預(yù)測市場方向 299
14.2.1 將任務(wù)轉(zhuǎn)化為二分類問題.299
14.2.2 創(chuàng)建 CNN 模型并訓(xùn)練.301
14.2.3 添加一些技術(shù)指標(biāo)作為特征 .304
14.3 設(shè)計交易策略并回測 .308
14.4 小結(jié)與習(xí)題 .310
第 15 章
利用生成式 AI 進行選股和分配權(quán)重 311
15.1 生成式 AI 用于投資組合選擇的研究 312
15.1.1 生成式 AI 與其“幻覺” 312
15.1.2生成式 AI 與大語言模型 314
15.2 使用大語言模型薦股 .315
15.2.1 領(lǐng)先基金的投資原則315
15.2.2宏觀經(jīng)濟形勢分析.317
15.2.3 根據(jù)經(jīng)濟形勢研判進行股票選擇 319
15.3 為投資組合分配權(quán)重 .323
15.3.1 ChatGPT 提供的權(quán)重分配323
15.3.2使用傳統(tǒng)優(yōu)化方法計算權(quán)重分配 326
15.3.3文心一言提供的權(quán)重分配.328
15.4 小結(jié)與習(xí)題 .332
結(jié)束語 / 333
展開全部
巧用AI大模型輕松學(xué)會Python金融數(shù)據(jù)分析 作者簡介
段小手
----------------------------
段小手，曾供職于百度、敦煌網(wǎng)、慧聰網(wǎng)、方正集團等知名IT企業(yè)。有多年的科技項目管理及開發(fā)經(jīng)驗。2019年至今，與云南省公安廳合作數(shù)據(jù)挖掘項目，使用機器學(xué)習(xí)技術(shù)協(xié)助云南警方打擊違法犯罪活動。
其負責(zé)的項目曾獲得“國家發(fā)改委電子商務(wù)示范項目”“中關(guān)村現(xiàn)代服務(wù)業(yè)試點項目”“北京市信息化基礎(chǔ)設(shè)施提升專項”“北京市外貿(mào)公共服務(wù)平臺”等多項政策支持。著有《深入淺出Python機器學(xué)習(xí)》(清華大學(xué)出版社出版)《深入淺出Python量化交易實戰(zhàn)》（機械工業(yè)出版社出版）等著作。
書友推薦
- >
苦雨齋序跋文-周作人自編集
- >
詩經(jīng)-先民的歌唱
- >
姑媽的寶刀
- >
羅庸西南聯(lián)大授課錄
- >
史學(xué)評論
- >
企鵝口袋書系列·偉大的思想20:論自然選擇(英漢雙語)
- >
羅曼·羅蘭讀書隨筆-精裝
- >
新文學(xué)天穹兩巨星--魯迅與胡適/紅燭學(xué)術(shù)叢書(紅燭學(xué)術(shù)叢書)
本類暢銷
