人工智能在量化交易中的应用与实战

图书信息

图书特色

本书首先讲解人工智能的基础知识，即什么是人工智能，为什么要学习人工智能，什么是智能，智能类型，人工智能的研究与应用领域，为什么使用Python 来开发人工智能，利用量化交易平台编写Python 程序，人工智能的发展历史；然后讲解Python 编程基础和人工智能的三个重要的包，即Numpy 包、Pandas 包和Matplotlib 包；接着讲解5 种机器学习算法，即决策树、随机森林、支持向量机（SVM）、朴素贝叶斯和人工智能的神经网络；然后讲解Python 量化交易策略的编写、获取数据函数、Python 基本面量化选股、Python 量化择时的技术指标函数、Python 量化交易策略的回测技巧、Python 量化交易策略的机器学习方法应用；*后讲解Python 量化交易策略的因子分析技巧和Python 量化交易策略实例。 在讲解过程中既考虑读者的学习习惯，又通过具体实例剖析讲解人工智能在量化交易应用中的热点问题、关键问题及种种难题。 本书适用于各种投资者，如股民、期民、中小散户、职业操盘手和专业金融评论人士，更适用于那些有志于在这个充满风险、充满寂寞的征程上默默前行的征战者和屡败屡战、愈挫愈勇并*终战胜失败、战胜自我的勇者。

内容简介

人工智能 量化交易，未来金融市场的趋势机构和大户的工具，“散户赚钱是偶然，机构和大户赚钱是必然”的结果揭示智能量化交易实战精髓，新手交易获利更容易详解智能量化交易实战应用难题，多位专家合力编著

目录

1. 人工智能在量化交易中的应用与实战 目录
2. 第1章　人工智能快速入门 / 1
3. 1.1　初识人工智能 / 2
4. 1.1.1　什么是人工智能 / 2
5. 1.1.2　为什么要学习人工智能 / 2
6. 1.2　智能概述 / 4
7. 1.2.1　智能类型 / 4
8. 1.2.2　智能的组成 / 6
9. 1.3　人工智能的研究与应用领域 / 8
10. 1.3.1　专家系统 / 8
11. 1.3.2　自然语言理解 / 9
12. 1.3.3　机器学习 / 9
13. 1.3.4　机器定理证明 / 10
14. 1.3.5　自动程序设计 / 11
15. 1.3.6　分布式人工智能 / 12
16. 1.3.7　机器人学 / 13
17. 1.3.8　模式识别 / 14
18. 1.3.9　人机博弈 / 14
19. 1.3.10　计算机视觉 / 15
20. 1.3.11　软计算 / 15
21. 1.3.12　智能控制 / 16
22. 1.3.13　智能规划 / 17
23. 1.4　人工智能的开发语言 / 18
24. 1.4.1　为什么使用Python来开发人工智能 / 18
25. 1.4.2　Python的下载和安装 / 18
26. 1.4.3　Python程序的编写 / 21
27. 1.4.4　利用量化交易平台编写Python程序 / 24
28. 1.5　人工智能的发展历史 / 27
29. 1.5.1　计算机时代 / 27
30. 1.5.2　大量程序 / 28
31. 1.5.3　强弱人工智能 / 29
32. 第2章　Python 编程基础 / 31
33. 2.1　Python的基本数据类型 / 32
34. 2.1.1　数值类型 / 32
35. 2.1.2　字符串 / 34
36. 2.2　变量与赋值 / 37
37. 2.2.1　变量命名规则 / 37
38. 2.2.2　变量的赋值 / 38
39. 2.3　Python的基本运算 / 39
40. 2.3.1　算术运算 / 39
41. 2.3.2　赋值运算 / 41
42. 2.3.3　位运算 / 42
43. 2.4　Python的选择结构 / 43
44. 2.4.1　关系运算 / 43
45. 2.4.2　逻辑运算 / 45
46. 2.4.3　if 语句 / 46
47. 2.4.4　嵌套 if 语句 / 48
48. 2.5　Python的循环结构 / 49
49. 2.5.1　while循环 / 50
50. 2.5.2　while 循环使用else语句 / 51
51. 2.5.3　无限循环 / 51
52. 2.5.4　for循环 / 52
53. 2.5.5　在for循环中使用range()函数 / 53
54. 2.5.6　break语句 / 54
55. 2.5.7　continue语句 / 55
56. 2.5.8　pass语句 / 56
57. 2.6　Python的特征数据类型 / 57
58. 2.6.1　列表 / 57
59. 2.6.2　元组 / 61
60. 2.6.3　字典 / 63
61. 2.6.4　集合 / 64
62. 2.7　Python的函数 / 67
63. 2.7.1　函数的定义与调用 / 67
64. 2.7.2　参数传递 / 69
65. 2.7.3　匿名函数 / 71
66. 2.7.4　变量作用域 / 72
67. 2.8　Python的面向对象 / 73
68. 2.8.1　面向对象概念 / 73
69. 2.8.2　类与实例 / 74
70. 2.8.3　模块的引用 / 77
71. 2.9　Python的代码格式 / 78
72. 2.9.1　代码缩进 / 78
73. 2.9.2　代码注释 / 79
74. 2.9.3　空行 / 79
75. 2.9.4　同一行显示多条语句 / 79
76. 第3章　人工智能的Numpy 包 / 81
77. 3.1　初识Numpy包 / 82
78. 3.2　ndarray数组基础 / 82
79. 3.2.1　创建Numpy数组 / 83
80. 3.2.2　Numpy特殊数组 / 86
81. 3.2.3　Numpy序列数组 / 90
82. 3.2.4　Numpy数组索引 / 91
83. 3.2.5　Numpy数组运算 / 92
84. 3.2.6　Numpy数组复制 / 93
85. 3.3　Numpy的矩阵 / 94
86. 3.4　Numpy的线性代数 / 96
87. 3.4.1　两个数组的点积 / 96
88. 3.4.2　两个向量的点积 / 97
89. 3.4.3　一维数组的向量内积 / 97
90. 3.4.4　矩阵的行列式 / 98
91. 3.4.5　矩阵的逆 / 100
92. 3.5　Numpy的文件操作 / 101
93. 第4章　人工智能的Pandas 包 / 105
94. 4.1　Pandas的数据结构 / 106
95. 4.2　一维数组系列（Series） / 106
96. 4.2.1　创建一个空的系列（Series） / 106
97. 4.2.2　从ndarray创建一个系列（Series） / 107
98. 4.2.3　从字典创建一个系列（Series） / 109
99. 4.2.4　从有位置的系列（Series）中访问数据 / 109
100. 4.2.5　使用标签检索数据 / 110