程序化交易高级教程PDF电子书下载

查看更多关于的内容

第一章 导论 1

第一节 机器学习导论 1

第二节 金融交易如何使用机器学习方法 2

第三节 本书内容和结构 8

第一篇 机器学习交易基础 11

第二章 机器学习基础 11

第一节 机器学习的基本原理 11

第二节 机器学习方法分类 18

第三节 机器学习的常用算法 23

第三章 Python编程基础 28

第一节 Python的特点和发展 28

第二节 Python的环境搭建 29

第三节 Python的基本语法 34

第四节 Python的数据处理 44

第五节 Python的文件存取 54

第四章 基于Python的机器学习软件包 60

第一节 机器学习工具包Scikit-learn 60

第二节 深度学习框架TensorFlow 64

第三节 神经网络训练框架Keras 70

第五章 国信iQuant量化交易平台 84

第一节 国信iQuant的基本功能 84

第二节 投资研究 84

第三节 向导式策略生成器 87

第四节 我的策略 89

第五节 策略常用API 97

第六章 交易策略学习模型的数据准备 102

第一节 数据清理 102

第二节 数据标准化 107

第三节 数据中性化 108

第四节 独热编码 112

第二篇 机器学习回归分析 117

第七章 线性回归估值选股模型 117

第一节 线性回归分析的基本思想 117

第二节 线性回归算法实现 118

第三节 线性回归估值选股模型 121

第八章 逻辑回归收益率预测选股模型 126

第一节 逻辑回归的基本思想 126

第二节 逻辑回归的算法实现 127

第三节 逻辑回归收益率预测选股模型 128

第三篇 机器学习分类模型 137

第九章 决策树分类择时模型 137

第一节 决策树分类模型的基本原理 137

第二节 决策树的Python程序实现 139

第三节 决策树分类模型的训练和测试 143

第四节 决策树分类模型的程序化交易应用 144

第十章 朴素贝叶斯分类择时模型 145

第一节 朴素贝叶斯分类模型的基本原理 145

第二节 朴素贝叶斯的Python程序实现 147

第三节 朴素贝叶斯模型的程序化交易应用 149

第十一章 支持向量机分类择时模型 153

第一节 支持向量机分类模型的基本原理 153

第二节 支持向量机分类模型的Python程序实现 155

第三节 支持向量机分类模型的结果评价 161

第四篇 机器学习聚类和关联分析 165

第十二章 K均值聚类分析选股模型 165

第一节 K均值聚类分析的原理 165

第二节 K均值聚类分析程序 166

第三节 K均值多因子选股策略 167

第十三章 Apriori股票关联分析模型 175

第一节 Apriori算法的基本原理 175

第二节 Apriori算法的Python代码 176

第三节 利用Apriori算法挖掘高相关度股票 179

第五篇 神经网络学习 187

第十四章 BP神经网络择时模型 187

第一节 BP神经网络择时模型的基本原理 187

第二节 BP神经网络择时模型的Python编程 192

第三节 BP神经网络择时交易案例 204

第四节 BP神经网络择时模型在国信iQuant的应用 211

第十五章 循环神经网络择时模型 221

第一节 循环神经网络择时模型的基本原理 221

第二节 循环神经网络择时模型的Python编程 224

第三节 循环神经网络择时交易案例 230

第十六章 长短期记忆择时交易模型 236

第一节 长短期记忆择时交易模型基本原理 236

第二节 长短期记忆择时交易模型的Python编程 242

第三节 长短期记忆择时交易案例 251

第十七章 卷积神经网络择时交易模型 259

第一节 卷积神经网络择时交易模型基本原理 259

第二节 卷积神经网络择时交易模型的Python程序实现 264

第三节 卷积神经网络择时交易案例 271

第十八章 结语 277

参考文献 281

查看更多关于的内容