金融人工智能：用Python實(shí)現(xiàn)AI量化交易
定 價(jià)：129.8 元
- 作者：[德]伊夫·希爾皮斯科（Yves Hilpisch）
- 出版時(shí)間：2022/8/1
- ISBN：9787115594556
- 出 版 社：人民郵電出版社
- 中圖法分類：F830-39
- 頁(yè)碼：372
- 紙張：
- 版次：01
- 開本：16開
本書通過(guò)Python示例介紹人工智能技術(shù)在金融數(shù)據(jù)分析中的應(yīng)用。你將了解如何運(yùn)用神經(jīng)網(wǎng)絡(luò)、強(qiáng)化學(xué)習(xí)等深度學(xué)習(xí)技術(shù)預(yù)測(cè)金融市場(chǎng)。本書分為六大部分。第一部分介紹人工智能算法的核心概念，包括監(jiān)督學(xué)習(xí)和神經(jīng)網(wǎng)絡(luò)，并描繪超級(jí)人工智能愿景。第二部分討論機(jī)器學(xué)習(xí)技術(shù)在金融市場(chǎng)中的應(yīng)用。第三部分更進(jìn)一步，討論如何利用神經(jīng)網(wǎng)絡(luò)和強(qiáng)化學(xué)習(xí)技術(shù)解決金融市場(chǎng)中的統(tǒng)計(jì)失效問(wèn)題。第四部分詳述如何利用算法交易解決統(tǒng)計(jì)失效問(wèn)題。第五部分展望未來(lái)，探討人工智能會(huì)如何改變金融業(yè)。第六部分給出以Python實(shí)現(xiàn)的神經(jīng)網(wǎng)絡(luò)，可用于時(shí)間序列預(yù)測(cè)。
人工智能和機(jī)器學(xué)習(xí)的廣泛應(yīng)用給當(dāng)今的許多行業(yè)帶來(lái)了根本性的變革。在金融領(lǐng)域，人工智能技術(shù)也已鋒芒初露。通過(guò)閱讀本書，你將了解如何利用神經(jīng)網(wǎng)絡(luò)和強(qiáng)化學(xué)習(xí)等方法，對(duì)金融市場(chǎng)的走勢(shì)做出預(yù)測(cè)。
作者伊夫·希爾皮斯科博士基于多年開發(fā)、回測(cè)和部署人工智能算法交易策略的實(shí)戰(zhàn)經(jīng)驗(yàn)，展示了將人工智能算法應(yīng)用于金融場(chǎng)景的實(shí)用方法。本書包含大量Python示例，有助于你邊學(xué)邊練，輕松復(fù)現(xiàn)書中的所有結(jié)果。
* 學(xué)習(xí)人工智能的主要概念和算法，并了解通用人工智能和超級(jí)智能
* 理解機(jī)器學(xué)習(xí)和數(shù)據(jù)驅(qū)動(dòng)的金融學(xué)將如何改變金融理論和實(shí)踐
* 運(yùn)用神經(jīng)網(wǎng)絡(luò)和強(qiáng)化學(xué)習(xí)等方法，發(fā)掘金融市場(chǎng)的統(tǒng)計(jì)失效現(xiàn)象
* 學(xué)習(xí)向量化回測(cè)和算法交易，并掌握人工智能算法交易策略的執(zhí)行與部署
* 展望金融人工智能的未來(lái)，涉及基于人工智能的競(jìng)爭(zhēng)和金融奇點(diǎn)
伊夫·希爾皮斯科（Yves Hilpisch），金融數(shù)學(xué)博士，Python Quants公司創(chuàng)始人兼CEO，致力于普及人工智能、算法交易等相關(guān)技術(shù)在金融數(shù)據(jù)中的應(yīng)用。此外，他還創(chuàng)建了AI Machine平臺(tái)，提供人工智能算法交易策略的標(biāo)準(zhǔn)化部署。伊夫是國(guó)際量化投資分析師認(rèn)證（CQF）講師，講授計(jì)算金融學(xué)、機(jī)器學(xué)習(xí)和算法交易。他另著有《Python金融大數(shù)據(jù)分析》。
【譯者介紹】
石磊磊，在人工智能領(lǐng)域深耕20余年，曾任職于螞蟻金服、微軟等國(guó)內(nèi)外知名公司，主導(dǎo)了多個(gè)金融模型的開發(fā)，服務(wù)于全球數(shù)億設(shè)備，帶領(lǐng)團(tuán)隊(duì)研發(fā)了工業(yè)級(jí)實(shí)時(shí)動(dòng)態(tài)圖風(fēng)控系統(tǒng)，在金融風(fēng)險(xiǎn)管理和量化交易方面有豐富的研究經(jīng)驗(yàn)和應(yīng)用經(jīng)驗(yàn)。
余宇新，上海外國(guó)語(yǔ)大學(xué)副教授，金融大數(shù)據(jù)中心執(zhí)行主任，上海市創(chuàng)新政策評(píng)估研究中心研究員，發(fā)表論文40余篇，開發(fā)大數(shù)據(jù)算法獲國(guó)家發(fā)明專利授權(quán)1項(xiàng)，曾參與多項(xiàng)人工智能產(chǎn)品研發(fā)工作。
李煜鑫，上海外國(guó)語(yǔ)大學(xué)副教授，碩士生導(dǎo)師；英國(guó)華威大學(xué)特聘研究員，博士生導(dǎo)師；英國(guó)約克大學(xué)經(jīng)濟(jì)學(xué)院博士；在國(guó)內(nèi)外從事金融學(xué)相關(guān)研究近20年，在國(guó)內(nèi)外核心期刊上發(fā)表論文30余篇，撰寫了多部專著。
前言 xiii
第 一部分 機(jī)器智能
第 1 章 人工智能 3
1.1 算法 3
1.1.1 數(shù)據(jù)類型 3
1.1.2 學(xué)習(xí)類型 4
1.1.3 任務(wù)類型 7
1.1.4 方法類型 7
1.2 神經(jīng)網(wǎng)絡(luò) 8
1.2.1 OLS回歸 8
1.2.2 神經(jīng)網(wǎng)絡(luò)估計(jì) 12
1.2.3 神經(jīng)網(wǎng)絡(luò)分類 17
1.3 數(shù)據(jù)的重要性 19
1.3.1 小數(shù)據(jù)集 19
1.3.2 更大的數(shù)據(jù)集 22
1.3.3 大數(shù)據(jù) 24
1.4 結(jié)論 25
第 2 章 超級(jí)智能 26
2.1 成功故事 27
2.1.1 雅達(dá)利（Atari） 27
2.1.2 圍棋（Go） 32
2.1.3 國(guó)際象棋（Chess） 33
2.2 硬件的重要性 35
2.3 智能的形式 36
2.4 通往超級(jí)智能的途徑 37
2.4.1 網(wǎng)絡(luò)和組織 38
2.4.2 生物增強(qiáng) 38
2.4.3 腦機(jī)混合 38
2.4.4 全腦模擬 39
2.4.5 人工智能 39
2.5 智能爆炸 40
2.6 目標(biāo)和控制 41
2.6.1 超級(jí)智能和目標(biāo) 41
2.6.2 超級(jí)智能和控制 42
2.7 潛在的結(jié)果 43
2.8 結(jié)論 45
第二部分 金融和機(jī)器學(xué)習(xí)
第 3 章 規(guī)范性金融理論 49
3.1 不確定性與風(fēng)險(xiǎn) 50
3.1.1 定義 50
3.1.2 數(shù)字模擬例子 51
3.2 預(yù)期效用理論 53
3.2.1 假設(shè)和結(jié)論 53
3.2.2 數(shù)值例子 55
3.3 均值 方差投資組合理論 57
3.3.1 假設(shè)和結(jié)論 57
3.3.2 數(shù)值例子 59
3.4 資本資產(chǎn)定價(jià)模型 67
3.4.1 假設(shè)和結(jié)論 67
3.4.2 數(shù)值例子 69
3.5 套利定價(jià)理論 74
3.5.1 假設(shè)和結(jié)論 74
3.5.2 數(shù)值例子 75
3.6 結(jié)論 77
第 4 章 數(shù)據(jù)驅(qū)動(dòng)的金融學(xué) 78
4.1 科學(xué)方法 78
4.2 金融計(jì)量經(jīng)濟(jì)學(xué)與回歸 79
4.3 數(shù)據(jù)可用性 82
4.3.1 可編程API 82
4.3.2 結(jié)構(gòu)化歷史數(shù)據(jù) 83
4.3.3 結(jié)構(gòu)化流數(shù)據(jù) 85
4.3.4 非結(jié)構(gòu)化歷史數(shù)據(jù) 86
4.3.5 非結(jié)構(gòu)化流數(shù)據(jù) 88
4.3.6 非傳統(tǒng)數(shù)據(jù) 89
4.4 重新審視規(guī)范性理論 93
4.4.1 預(yù)期效用與現(xiàn)實(shí) 93
4.4.2 均值–方差投資組合理論 96
4.4.3 資本資產(chǎn)定價(jià)模型 103
4.4.4 套利定價(jià)理論 107
4.5 揭示中心假設(shè) 115
4.5.1 正態(tài)分布收益率 115
4.5.2 線性關(guān)系 124
4.6 結(jié)論 126
4.7 Python代碼段 126
第 5 章 機(jī)器學(xué)習(xí) 130
5.1 學(xué)習(xí) 131
5.2 數(shù)據(jù) 131
5.3 成功 133
5.4 容量 137
5.5 評(píng)估 140
5.6 偏差和方差 145
5.7 交叉驗(yàn)證 147
5.8 結(jié)論 149
第 6 章 人工智能優(yōu)先的金融 150
6.1 有效市場(chǎng) 150
6.2 基于收益數(shù)據(jù)的市場(chǎng)預(yù)測(cè) 155
6.3 基于更多特征的市場(chǎng)預(yù)測(cè) 161
6.4 日內(nèi)市場(chǎng)預(yù)測(cè) 166
6.5 結(jié)論 167
第三部分 統(tǒng)計(jì)失效
第 7 章 密集神經(jīng)網(wǎng)絡(luò) 171
7.1 數(shù)據(jù) 171
7.2 基線預(yù)測(cè) 173
7.3 歸一化 177
7.4 暫退 179
7.5 正則化 181
7.6 裝袋 184
7.7 優(yōu)化器 185
7.8 結(jié)論 186
第 8 章 循環(huán)神經(jīng)網(wǎng)絡(luò) 187
8.1 第 一個(gè)示例 188
8.2 第二個(gè)示例 191
8.3 金融價(jià)格序列 194
8.4 金融收益率序列 197
8.5 金融特征 199
8.5.1 估計(jì) 199
8.5.2 分類 200
8.5.3 深度RNN 201
8.6 結(jié)論 202
第 9 章 強(qiáng)化學(xué)習(xí) 203
9.1 基本概念 204
9.2 OpenAI Gym 205
9.3 蒙特卡羅智能體 208
9.4 神經(jīng)網(wǎng)絡(luò)智能體 210
9.5 DQL智能體 212
9.6 簡(jiǎn)單的金融沙箱 216
9.7 更好的金融沙箱 220
9.8 FQL智能體 222
9.9 結(jié)論 227
第四部分 算法交易
第 10 章 向量化回測(cè) 231
10.1 基于SMA策略的回測(cè) 232
10.2 基于DNN的每日策略的回測(cè) 237
10.3 基于DNN的日內(nèi)策略的回測(cè) 243
10.4 結(jié)論 248
第 11 章 風(fēng)險(xiǎn)管理 249
11.1 交易機(jī)器人 250
11.2 向量化回測(cè) 253
11.3 基于事件的回測(cè) 255
11.4 風(fēng)險(xiǎn)評(píng)估 261
11.5 風(fēng)控措施回測(cè) 264
11.5.1 止損 266
11.5.2 跟蹤止損 268
11.5.3 止盈 269
11.6 結(jié)論 272
11.7 Python代碼 273
11.7.1 金融環(huán)境 273
11.7.2 交易機(jī)器人 275
11.7.3 回測(cè)基類 279
11.7.4 回測(cè)類 281
第 12 章 執(zhí)行與部署 284
12.1 Oanda賬戶 285
12.2 數(shù)據(jù)檢索 285
12.3 訂單執(zhí)行 289
12.4 交易機(jī)器人 294
12.5 部署 300
12.6 結(jié)論 304
12.7 Python代碼 304
12.7.1 Oanda環(huán)境 304
12.7.2 向量化回測(cè) 307
12.7.3 Oanda交易機(jī)器人 308
第五部分 展望
第 13 章 基于人工智能的競(jìng)爭(zhēng) 313
13.1 人工智能和金融 313
13.2 標(biāo)準(zhǔn)的缺失 315
13.3 教育和培訓(xùn) 316
13.4 資源爭(zhēng)奪 317
13.5 市場(chǎng)影響 318
13.6 競(jìng)爭(zhēng)場(chǎng)景 319
13.7 風(fēng)險(xiǎn)、監(jiān)管和監(jiān)督 320
13.8 結(jié)論 322
第 14 章 金融奇點(diǎn) 323
14.1 概念和定義 323
14.2 風(fēng)險(xiǎn)是什么 324
14.3 通往金融奇點(diǎn)的途徑 327
14.4 正交技能和資源 328
14.5 之前和之后的情景 328
14.6 星際迷航還是星球大戰(zhàn) 329
14.7 結(jié)論 329
第六部分 附錄
附錄A 交互式神經(jīng)網(wǎng)絡(luò) 333
附錄B 神經(jīng)網(wǎng)絡(luò)類 348
附錄C 卷積神經(jīng)網(wǎng)絡(luò) 360
參考文獻(xiàn) 366
書單推薦
