| 作者 |
| TOP极宽量化开源组 |
| 丛书名 |
| 出版社 |
| 电子工业出版社 |
| ISBN |
| 9787121351532 |
| 简要 |
| 简介 |
| 内容简介书籍计算机书籍 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。 |
| 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 |