91精品国产综合久久四虎久久_国产成人午夜高潮毛片_99er视频精品免费观看_2020亚洲熟女在线观看_日本女优人体写真_国内黄色毛片_年轻的老师中文版在线_丰满女邻居做爰_久久久久久精品成人免费图片

 
金融人工智能：用Python實現(xiàn)AI量化交易
金融人工智能：用Python實現(xiàn)AI量化交易
Yves Hilpisch 著
石磊磊, 余宇新, 李煜鑫 譯
出版時間：2022年07月
頁數(shù)：373
“憑借其全面和直觀的方法，這將是金融領(lǐng)域從業(yè)人員和學(xué)者的主要參考書?！?br /> ——Abdullah Karasan
金融數(shù)據(jù)科學(xué)學(xué)者
“這是一本優(yōu)秀的機器學(xué)習(xí)實踐指南，旨在解決量化金融領(lǐng)域的一系列問題?！?br /> ——Tim Nugent
路孚特公司研究員
“這本書有助于熟悉人工智能技術(shù)在量化投資交易中的應(yīng)用之道。”
——漆遠(yuǎn)
復(fù)旦大學(xué)浩清特聘教授、復(fù)旦大學(xué)
人工智能創(chuàng)新與產(chǎn)業(yè)研究院院長、
前螞蟻集團副總裁
“希爾皮斯科博士將正統(tǒng)金融理論和人工智能有機融合，帶領(lǐng)讀者一步步走進(jìn)金融人工智能的世界?！?br /> ——梁舉
BigQuant人工智能量化平臺
創(chuàng)始人兼CEO
“投資行業(yè)正處于一個加速變革的過程中。這本實用指南是不可多得的工具書?！?br /> ——張一
CFA Institute中國區(qū)總經(jīng)理

人工智能和機器學(xué)習(xí)的廣泛應(yīng)用給當(dāng)今的許多行業(yè)帶來了根本性的變革。在金融領(lǐng)域，人工智能技術(shù)也已鋒芒初露。通過閱讀本書，你將了解如何利用神經(jīng)網(wǎng)絡(luò)和強化學(xué)習(xí)等方法，對金融市場的走勢做出預(yù)測。
作者伊夫·希爾皮斯科博士基于多年開發(fā)、回測和部署人工智能算法交易策略的實戰(zhàn)經(jīng)驗，展示了將人工智能算法應(yīng)用于金融場景的實用方法。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智能
● 理解機器學(xué)習(xí)和數(shù)據(jù)驅(qū)動的金融學(xué)將如何改變金融理論和實踐
● 運用神經(jīng)網(wǎng)絡(luò)和強化學(xué)習(xí)等方法，發(fā)掘金融市場的統(tǒng)計失效現(xiàn)象
● 學(xué)習(xí)向量化回測和算法交易，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，涉及基于人工智能的競爭和金融奇點
  1. 前言
  2. 第一部分　機器智能
  3. 第1章　人工智能
  4. 1.1　算法
  5. 1.1.1　數(shù)據(jù)類型
  6. 1.1.2　學(xué)習(xí)類型
  7. 1.1.3　任務(wù)類型
  8. 1.1.4　方法類型
  9. 1.2　神經(jīng)網(wǎng)絡(luò)
  10. 1.2.1　OLS回歸
  11. 1.2.2　神經(jīng)網(wǎng)絡(luò)估計
  12. 1.2.3　神經(jīng)網(wǎng)絡(luò)分類
  13. 1.3　數(shù)據(jù)的重要性
  14. 1.3.1　小數(shù)據(jù)集
  15. 1.3.2　更大的數(shù)據(jù)集
  16. 1.3.3　大數(shù)據(jù)
  17. 1.4　結(jié)論
  18. 第2章　超級智能
  19. 2.1　成功故事
  20. 2.1.1　雅達(dá)利（Atari）
  21. 2.1.2　圍棋（Go）
  22. 2.1.3　國際象棋（Chess）
  23. 2.2　硬件的重要性
  24. 2.3　智能的形式
  25. 2.4　通往超級智能的途徑
  26. 2.4.1　網(wǎng)絡(luò)和組織
  27. 2.4.2　生物增強
  28. 2.4.3　腦機混合
  29. 2.4.4　全腦模擬
  30. 2.4.5　人工智能
  31. 2.5　智能爆炸
  32. 2.6　目標(biāo)和控制
  33. 2.6.1　超級智能和目標(biāo)
  34. 2.6.2　超級智能和控制
  35. 2.7　潛在的結(jié)果
  36. 2.8　結(jié)論
  37. 第二部分　金融和機器學(xué)習(xí)
  38. 第3章　規(guī)范金融理論
  39. 3.1　不確定性與風(fēng)險
  40. 3.1.1　定義
  41. 3.1.2　數(shù)字模擬例子
  42. 3.2　預(yù)期效用理論
  43. 3.2.1　假設(shè)和結(jié)論
  44. 3.2.2　數(shù)值例子
  45. 3.3　均值-方差投資組合理論
  46. 3.3.1　假設(shè)和結(jié)論
  47. 3.3.2　數(shù)值例子
  48. 3.4　資本資產(chǎn)定價模型
  49. 3.4.1　假設(shè)和結(jié)論
  50. 3.4.2　數(shù)值例子
  51. 3.5　套利定價理論
  52. 3.5.1　假設(shè)和結(jié)論
  53. 3.5.2　數(shù)值示例
  54. 3.6　結(jié)論
  55. 第4章　數(shù)據(jù)驅(qū)動的金融學(xué)
  56. 4.1　科學(xué)方法
  57. 4.2　金融計量經(jīng)濟學(xué)與回歸
  58. 4.3　數(shù)據(jù)可用性
  59. 4.3.1　可編程API
  60. 4.3.2　結(jié)構(gòu)化歷史數(shù)據(jù)
  61. 4.3.3　結(jié)構(gòu)化流數(shù)據(jù)
  62. 4.3.4　非結(jié)構(gòu)化歷史數(shù)據(jù)
  63. 4.3.5　非結(jié)構(gòu)化流數(shù)據(jù)
  64. 4.3.6　非傳統(tǒng)數(shù)據(jù)
  65. 4.4　重新審視規(guī)范理論
  66. 4.4.1　預(yù)期效用與現(xiàn)實
  67. 4.4.2　均值-方差投資組合理論
  68. 4.4.3　資本資產(chǎn)定價模型
  69. 4.4.4　套利定價理論
  70. 4.5　揭示中心假設(shè)
  71. 4.5.1　正態(tài)分布收益率
  72. 4.5.2　線性關(guān)系
  73. 4.6　結(jié)論
  74. 4.7　Python代碼段
  75. 第5章　機器學(xué)習(xí)
  76. 5.1　學(xué)習(xí)
  77. 5.2　數(shù)據(jù)
  78. 5.3　成功
  79. 5.4　容量
  80. 5.5　評估
  81. 5.6　偏差和方差
  82. 5.7　交叉驗證
  83. 5.8　結(jié)論
  84. 第6章　AI引領(lǐng)的金融
  85. 6.1　有效市場
  86. 6.2　基于收益數(shù)據(jù)的市場預(yù)測
  87. 6.3　基于更多特征的市場預(yù)測
  88. 6.4　日內(nèi)市場預(yù)測
  89. 6.5　結(jié)論
  90. 第三部分　統(tǒng)計失效
  91. 第7章　密集神經(jīng)網(wǎng)絡(luò)
  92. 7.1　數(shù)據(jù)
  93. 7.2　基線預(yù)測
  94. 7.3　歸一化
  95. 7.4　暫退
  96. 7.5　正則化
  97. 7.6　裝袋
  98. 7.7　優(yōu)化器
  99. 7.8　結(jié)論
  100. 第8章　循環(huán)神經(jīng)網(wǎng)絡(luò)
  101. 8.1　第一個示例
  102. 8.2　第二個示例
  103. 8.3　金融價格序列
  104. 8.4　金融收益率序列
  105. 8.5　金融特征
  106. 8.5.1　估計
  107. 8.5.2　分類
  108. 8.5.3　深度RNN
  109. 8.6　結(jié)論
  110. 第9章　強化學(xué)習(xí)
  111. 9.1　基本概念
  112. 9.2　OpenAI Gym
  113. 9.3　蒙特卡羅智能體
  114. 9.4　神經(jīng)網(wǎng)絡(luò)智能體
  115. 9.5　DQL智能體
  116. 9.6　簡單的金融沙箱
  117. 9.7　更好的金融沙箱
  118. 9.8　FQL智能體
  119. 9.9　結(jié)論
  120. 第四部分　算法交易
  121. 第10章　向量化回測
  122. 10.1　基于SMA策略的回測
  123. 10.2　基于DNN的每日策略的回測
  124. 10.3　基于DNN的日內(nèi)策略回測
  125. 10.4　結(jié)論
  126. 第11章　風(fēng)險管理
  127. 11.1　交易機器人
  128. 11.2　向量化回測
  129. 11.3　基于事件的回測
  130. 11.4　風(fēng)險評估
  131. 11.5　風(fēng)控措施回測
  132. 11.5.1　止損
  133. 11.5.2　跟蹤止損
  134. 11.5.3　止盈
  135. 11.6　結(jié)論
  136. 11.7　Python代碼
  137. 11.7.1　金融環(huán)境
  138. 11.7.2　交易機器人
  139. 11.7.3　回測基類
  140. 11.7.4　回測類
  141. 第12章　執(zhí)行與部署
  142. 12.1　Oanda賬戶
  143. 12.2　數(shù)據(jù)檢索
  144. 12.3　訂單執(zhí)行
  145. 12.4　交易機器人
  146. 12.5　部署
  147. 12.6　結(jié)論
  148. 12.7　Python代碼
  149. 12.7.1　Oanda環(huán)境
  150. 12.7.2　向量化回測
  151. 12.7.3　Oanda交易機器人
  152. 第五部分　展望
  153. 第13章　基于人工智能的競爭
  154. 13.1　人工智能和金融
  155. 13.2　標(biāo)準(zhǔn)的缺失
  156. 13.3　教育和培訓(xùn)
  157. 13.4　資源爭奪
  158. 13.5　市場影響
  159. 13.6　競爭場景
  160. 13.7　風(fēng)險、監(jiān)管和監(jiān)督
  161. 13.8　結(jié)論
  162. 第14章　金融奇點
  163. 14.1　概念和定義
  164. 14.2　風(fēng)險是什么
  165. 14.3　通往金融奇點的途徑
  166. 14.4　正交技能和資源
  167. 14.5　之前和之后的情景
  168. 14.6　星際迷航還是星球大戰(zhàn)
  169. 14.7　結(jié)論
  170. 第六部分　附錄
  171. 附錄A　交互式神經(jīng)網(wǎng)絡(luò)
  172. 附錄B　神經(jīng)網(wǎng)絡(luò)類
  173. 附錄C　卷積神經(jīng)網(wǎng)絡(luò)
  174. 參考文獻(xiàn)
書名：金融人工智能：用Python實現(xiàn)AI量化交易
作者：Yves Hilpisch 著
譯者：石磊磊, 余宇新, 李煜鑫 譯
國內(nèi)出版社：人民郵電出版社
出版時間：2022年07月
頁數(shù)：373
書號：978-7-115-59455-6
原版書書名：Artificial Intelligence in Finance
原版書出版商：O'Reilly Media
Yves Hilpisch
 
Yves Hilpisch博士是Python Quants集團的創(chuàng)始人和管理合伙人。該集團致 力于應(yīng)用開源技術(shù)來解決金融數(shù)據(jù)科學(xué)、人工智能、算法交易和計算金融 學(xué)等問題。他還是AI Machine公司的創(chuàng)始人和CEO，該公司的主營業(yè)務(wù)是通 過專屬策略執(zhí)行平臺來發(fā)揮人工智能的威力。他還是Python算法交易大學(xué) 認(rèn)證的在線培訓(xùn)項目的主管。
 
 
本書封面上的動物是堤岸田鼠（學(xué)名：Myodes Glareolus），這些田鼠遍布?xì)W洲和中亞的森林、河岸和沼澤，在芬蘭和英國有大量的種群存在。
堤岸田鼠個頭小，體長只有10~11厘米，體重平均17~20克，眼睛和耳朵都很小。它們的皮毛很厚，通常呈棕色或灰色，覆蓋全身。相對于它們的體型，堤岸田鼠的尾巴很短，腦袋也很小。堤岸田鼠每胎4~8只，幼崽出生時沒有視覺且非常脆弱，但成熟速度相當(dāng)快，雌性在2~3周內(nèi)成熟，雄性在6~8周內(nèi)成熟。堤岸田鼠的平均壽命反映了這種快速成熟的狀態(tài)，多數(shù)個體壽命在半年到兩年之間。
這些小型嚙齒類動物主要在黃昏時活躍，但它們也可以晝夜活動。飲食主要是植物性物質(zhì)，食物種類隨季節(jié)而變化。在社會屬性上，雌性堤岸田鼠比雄性堤岸田鼠更具優(yōu)勢，后者一旦成熟就會分散四處，而雌性堤岸田鼠通常會留在更靠近它們出生的地方。
購買選項
定價：129.80元
書號：978-7-115-59455-6
出版社：人民郵電出版社