深入浅出Python量化交易实战-网络科技-文化科教-太极之巅书单号

书刊介绍

《深入浅出Python量化交易实战》内容简介

本书主要以国内A股市场为例，借助第三方量化交易平台，讲述了KNN、线性模型、决策树、支持向量机、朴素贝叶斯等常见机器学习算法在交易策略中的应用，同时展示了如何对策略进行回测，以便让读者能够有效评估自己的策略。另外，本书还讲解了自然语言处理（NLP）技术在量化交易领域的发展趋势，并使用时下热门的深度学习技术，向读者介绍了多层感知机、卷积神经网络，以及长短期记忆网络在量化交易方面的前瞻性应用。本书没有从Python基础语法讲起，对于传统交易策略也只是一带而过，直接将读者带入机器学习的世界。本书适合对Python语言有一定了解且对量化交易感兴趣的读者阅读。
段小手，IBM认证AI工程师，获纽约金融学院算法交易认证。曾供职于多家知名IT企业，有多年科技项目管理及开发经验。其负责的跨境电商平台项目曾获得“国家发改委电子商务示范项目”“中关村现代服务业试点项目”“北京市信息化基础设施提升专项”“北京市外贸公共服务平台”等多项政策支持。编写出版专业畅销书《深入浅出Python机器学习》。2019年至今，参与云南省公安厅数据挖掘项目，使用机器学习技术协助云南警方打击违法犯罪活动。

作品目录

前言
总有些人，不甘平凡
本书会带给读者什么
本书内容及体系结构
本书特色
本书读者对象
第1章：小瓦的故事——从零开始
1.1、何以解忧，“小富”也行
1.2、机器学习崛起
1.3、要想富，先配库
1.4、小结
第2章：小瓦的策略靠谱吗——回测与经典策略
2.1、对小瓦的策略进行简单回测
2.2、经典策略之移动平均策略
2.3、经典策略之海龟策略
2.4、小结
第3章：AI来了——机器学习在交易中的简单应用
3.1、机器学习的基本概念
3.2、机器学习工具的基本使用方法
3.3、基于机器学习的简单交易策略
3.4、小结
第4章：多来点数据——借助量化交易平台
4.1、数据不够，平台来凑
4.2、借助财务数据筛选股票
4.3、谁是幕后“大佬”
4.4、小结
第5章：因子来了——基本原理和用法
5.1、“瓦氏因子”了解一下
5.2、股票不知道怎么选？因子来帮忙
5.3、把诸多因子“打个包”
5.4、小结
第6章：因子好用吗——有些事需要你知道
6.1、针对投资组合获取因子值
6.2、因子收益分析
6.3、因子IC分析
6.4、因子换手率、因子自相关性和因子预测能力分析
6.5、小结
第7章：当因子遇上线性模型
7.1、什么是线性模型
7.2、用线性模型搞搞交易策略
7.3、能不能赚到钱
7.4、小结
第8章：因子遇到决策树与随机森林
8.1、什么是决策树和随机森林
8.2、哪些因子重要，决策树能告诉你
8.3、用重要因子和随机森林来制订策略
8.4、小结
第9章：因子遇到支持向量机
9.1、什么是支持向量机
9.2、动态因子选择策略
9.3、策略的回测详情
9.4、使用策略进行模拟交易
9.5、小结
第10章：初识自然语言处理技术
10.1、我们的想法是否靠谱
10.2、获取文本数据并简单清洗
10.3、中文分词，“结巴”来帮忙
10.4、小结
第11章：新闻文本向量化和话题建模
11.1、让机器“读懂”新闻
11.2、让机器告诉我们新闻说了啥
11.3、话题建模实战
11.4、小结
第12章：股评数据情感分析
12.1、机器懂我们的情感吗
12.2、用语料制作数据集
12.3、隆重推出“朴素贝叶斯”
12.4、小结
第13章：咱也“潮”一把——深度学习来了
13.1、开始研究前的准备
13.2、使用Keras对文本进行预处理
13.3、使用Keras构建简单神经网络
13.4、小结
第14章：再进一步——CNN和LSTM
14.1、先动手“撸”一个卷积神经网络
14.2、卷积神经网络模型详解
14.3、长短期记忆网络
14.4、小结
第15章：写在最后——小瓦的征程
15.1、可以一夜暴富了吗
15.2、将来要做什么
15.3、小结