书籍详情
MXNet神经网络与量化投资
作者:TOP极宽量化开源组 著
出版社:电子工业出版社
出版时间:2018-11-01
ISBN:9787121351532
定价:¥99.00
购买这本书可以去
内容简介
MXNet是亚马xun的深度学习库,以简单、高效、容易使用而著称。它拥有类似于Theano和TensorFlow的数据流图,为多GPU装置提供了良好的配置。《MXNet神经网络与量化投资》以MXNet作为研究实践平台,实现量化投资交易。书中主要介绍了在MXNet环境下,利用深度学习常用算法,实现线性、MLP、CNN卷积、GoogLeNet、ResNet深度残差、RNN循环神经网络、DenseNet稠密神经网络等多种模型在量化投资和股价预测方面的应用,同时采用NLP语义分析技术,対股票价格走势进行统计分析,以及金融数据的可视化分析,得到更直观的模型分析效果,通过先进的人工智能模型,在量化投资领域中取得较高收益。
作者简介
TopQuant.vip极宽量化开源团队,是个开源公益组织,组建于2015年12月。 作为一个年轻的开源团队,在短短几年间,团队成员快速扩展到数百人。 目前,极宽TopQuant量化开源团队,已经成为业内规模较大的Python量化团队。团队发起人是何海群,网名:字王,CHRD前海智库CTO,《中华大字库》发明人,出版书籍20余部,在人工智能、数据分析等方面具有20年一线专业经验;zwPython开发平台、zwQuant量化软件设计师,中国“Python创客”项目和“Python产业联盟”发起人,国内首个Python量化课程:《Python量化实盘·魔鬼训练营》创始人,极宽量化开源团队的创始人。
目录
第1章 快速入门 1
1.1 MXNet简介 1
1.2 CUDA运行环境安装 4
1.3 MXNet运行环境安装 5
1.3.1 下载MXNet模块库 6
1.3.2 安装MXNet模块库预处理 6
1.3.3 安装MXNet模块库 9
案例1-1:重点模块版本测试 10
案例1-2:MXNet安装包测试 12
1.4 GPU开发环境测试 13
案例1-3:GPU开发环境测试 13
1.5 量化GPU工作站推荐配置 15
第2章 基本操作 18
2.1 NDArray数组 18
案例2-1:NDArray数组常用功能 19
2.2 GPU加速模式 26
案例2-2:GPU加速功能 26
案例2-3:Gluon的GPU计算 28
2.3 Matplotlib画图 30
案例2-4:Matplotlib常用功能 30
案例2-5:多子图绘制 31
2.4 常用数据文件 33
案例2-6:读取金融数据 33
2.5 TA-Lib金融模块库 36
2.6 MA移动平均线 40
案例2-7:MA均线指标 41
案例2-8:多MA均线指标 44
2.7 常用工具函数包 47
第3章 数据预处理 53
3.1 数据与预处理背景介绍 53
3.2 数据预处理常用技术 54
3.3 归一化 55
案例3-1:MinMaxScaler归一化 56
案例3-2:Standardization标准化 57
3.4 缺失值 58
案例3-3:Imputer缺失值补充 59
3.5 多项式特征 60
案例3-4:PolynomialFeatures多项式特征 60
第4章 线性神经网络模型 62
4.1 线性神经网络 62
案例4-1:line上证指数n+1价格预测 64
4.2 Logistic逻辑回归模型 76
案例4-2:Logistic上证指数涨跌预测 78
第5章 MLP神经网络模型 86
5.1 MLP多层感知器 86
案例5-1:MLP上证指数n+1价格预测 88
5.2 SMA简单均线量化策略 99
案例5-2:MLP上证指数n+1价格预测均线增强版 99
第6章 CNN卷积神经网络 104
6.1 CNN卷积神经网络简介 104
常用激活函数介绍 106
案例6-1:CNN上证指数n+1价格预测 109
6.2 ADX平均趋向量化投资策略 115
案例6-2:CNN上证指数n+1价格预测ADX增强版 116
第7章 GoogLeNet谷歌神经网络模型 121
7.1 GoogLeNet谷歌深度卷积神经网络模型 121
案例7-1:GoogLeNet上证指数n+1价格预测 123
7.2 KELCH肯特纳通道量化投资策略 135
案例7-2:GoogLeNet上证指数n+1价格预测(2) 135
第8章 ResNet深度残差网络模型 139
8.1 ResNet深度残差神经网络模型 139
8.2 Money Flow资金流向指标 142
案例8-1:ResNet深度残差时间序列预测A股资金流向 144
8.3 MOM动量线量化投资策略 149
第9章 RNN循环神经网络模型 150
9.1 RNN循环神经网络 150
9.2 RSI相对强弱指标 152
案例9-1:RNN上证指数n+1价格预测 153
9.3 IRNN修正循环神经网络 174
案例9-2:IRNN上证指数n+1价格预测 174
第10章 DenseNet稠密神经网络模型 178
10.1 DenseNet稠密神经网络模型 178
案例10-1:DenseNet上证指数n+1价格预测 180
10.2 OBV能量潮量化投资策略 187
案例10-2:DenseNet上证指数n+1价格预测 187
第11章 文本数据挖掘与量化 192
11.1 财经新闻数据 192
案例11-1a:获取财经新闻 193
11.2 直播新闻 195
案例11-1b:获取直播新闻 195
11.3 信息地雷 197
案例11-1c:获取信息地雷 198
11.4 定时器 199
案例11-2:进阶脚本——定时器 200
11.5 新闻数据库 206
案例11-3:使用sqlalchemy新闻数据库 206
第12章 财经新闻情感分类 214
12.1 文本数据分类 214
12.2 NLP与财经新闻数据 215
12.3 微博短文本数据情感分类 216
案例12-1:微博情感分类 217
12.4 贝叶斯微博情感分类器 236
案例12-2:微博数据情感分类2 237
第13章 金融数据可视化分析 245
13.1 Plotly绘图模块简介 245
案例13-1:Plotly入门案例 252
案例13-2:线形图与散点图 253
案例13-3:气泡图 255
案例13-4:柱状图 256
案例13-5:直方图 258
案例13-6:饼图 259
13.2 金融数据绘图 261
案例13-7:K线图 261
案例13-8:高级绘图1 263
13.3 Plotly高级绘图扩展 264
案例13-9:复合金融指标 264
案例13-10:高级绘图2 265
附录A Python快速入门 267
案例1:第一次编程“hello,ziwang” 267
案例2:增强版“hello,ziwang” 269
案例3:列举系统模块库清单 271
案例4:常用绘图风格 272
案例5:Pandas常用绘图风格 274
案例6:常用颜色表cors 275
案例7:基本运算 278
案例8:字符串入门 280
案例9:字符串常用方法 281
案例10:列表操作 283
案例11:元组操作 285
案例12:字典操作 286
案例13:控制语句 288
案例14:函数定义 290
附录B TA-Lib金融软件包 292
附录C 量化分析常用指标 297
1.1 MXNet简介 1
1.2 CUDA运行环境安装 4
1.3 MXNet运行环境安装 5
1.3.1 下载MXNet模块库 6
1.3.2 安装MXNet模块库预处理 6
1.3.3 安装MXNet模块库 9
案例1-1:重点模块版本测试 10
案例1-2:MXNet安装包测试 12
1.4 GPU开发环境测试 13
案例1-3:GPU开发环境测试 13
1.5 量化GPU工作站推荐配置 15
第2章 基本操作 18
2.1 NDArray数组 18
案例2-1:NDArray数组常用功能 19
2.2 GPU加速模式 26
案例2-2:GPU加速功能 26
案例2-3:Gluon的GPU计算 28
2.3 Matplotlib画图 30
案例2-4:Matplotlib常用功能 30
案例2-5:多子图绘制 31
2.4 常用数据文件 33
案例2-6:读取金融数据 33
2.5 TA-Lib金融模块库 36
2.6 MA移动平均线 40
案例2-7:MA均线指标 41
案例2-8:多MA均线指标 44
2.7 常用工具函数包 47
第3章 数据预处理 53
3.1 数据与预处理背景介绍 53
3.2 数据预处理常用技术 54
3.3 归一化 55
案例3-1:MinMaxScaler归一化 56
案例3-2:Standardization标准化 57
3.4 缺失值 58
案例3-3:Imputer缺失值补充 59
3.5 多项式特征 60
案例3-4:PolynomialFeatures多项式特征 60
第4章 线性神经网络模型 62
4.1 线性神经网络 62
案例4-1:line上证指数n+1价格预测 64
4.2 Logistic逻辑回归模型 76
案例4-2:Logistic上证指数涨跌预测 78
第5章 MLP神经网络模型 86
5.1 MLP多层感知器 86
案例5-1:MLP上证指数n+1价格预测 88
5.2 SMA简单均线量化策略 99
案例5-2:MLP上证指数n+1价格预测均线增强版 99
第6章 CNN卷积神经网络 104
6.1 CNN卷积神经网络简介 104
常用激活函数介绍 106
案例6-1:CNN上证指数n+1价格预测 109
6.2 ADX平均趋向量化投资策略 115
案例6-2:CNN上证指数n+1价格预测ADX增强版 116
第7章 GoogLeNet谷歌神经网络模型 121
7.1 GoogLeNet谷歌深度卷积神经网络模型 121
案例7-1:GoogLeNet上证指数n+1价格预测 123
7.2 KELCH肯特纳通道量化投资策略 135
案例7-2:GoogLeNet上证指数n+1价格预测(2) 135
第8章 ResNet深度残差网络模型 139
8.1 ResNet深度残差神经网络模型 139
8.2 Money Flow资金流向指标 142
案例8-1:ResNet深度残差时间序列预测A股资金流向 144
8.3 MOM动量线量化投资策略 149
第9章 RNN循环神经网络模型 150
9.1 RNN循环神经网络 150
9.2 RSI相对强弱指标 152
案例9-1:RNN上证指数n+1价格预测 153
9.3 IRNN修正循环神经网络 174
案例9-2:IRNN上证指数n+1价格预测 174
第10章 DenseNet稠密神经网络模型 178
10.1 DenseNet稠密神经网络模型 178
案例10-1:DenseNet上证指数n+1价格预测 180
10.2 OBV能量潮量化投资策略 187
案例10-2:DenseNet上证指数n+1价格预测 187
第11章 文本数据挖掘与量化 192
11.1 财经新闻数据 192
案例11-1a:获取财经新闻 193
11.2 直播新闻 195
案例11-1b:获取直播新闻 195
11.3 信息地雷 197
案例11-1c:获取信息地雷 198
11.4 定时器 199
案例11-2:进阶脚本——定时器 200
11.5 新闻数据库 206
案例11-3:使用sqlalchemy新闻数据库 206
第12章 财经新闻情感分类 214
12.1 文本数据分类 214
12.2 NLP与财经新闻数据 215
12.3 微博短文本数据情感分类 216
案例12-1:微博情感分类 217
12.4 贝叶斯微博情感分类器 236
案例12-2:微博数据情感分类2 237
第13章 金融数据可视化分析 245
13.1 Plotly绘图模块简介 245
案例13-1:Plotly入门案例 252
案例13-2:线形图与散点图 253
案例13-3:气泡图 255
案例13-4:柱状图 256
案例13-5:直方图 258
案例13-6:饼图 259
13.2 金融数据绘图 261
案例13-7:K线图 261
案例13-8:高级绘图1 263
13.3 Plotly高级绘图扩展 264
案例13-9:复合金融指标 264
案例13-10:高级绘图2 265
附录A Python快速入门 267
案例1:第一次编程“hello,ziwang” 267
案例2:增强版“hello,ziwang” 269
案例3:列举系统模块库清单 271
案例4:常用绘图风格 272
案例5:Pandas常用绘图风格 274
案例6:常用颜色表cors 275
案例7:基本运算 278
案例8:字符串入门 280
案例9:字符串常用方法 281
案例10:列表操作 283
案例11:元组操作 285
案例12:字典操作 286
案例13:控制语句 288
案例14:函数定义 290
附录B TA-Lib金融软件包 292
附录C 量化分析常用指标 297
猜您喜欢