《程式化交易高級教程》是高等學校金融學專業系列教材之一。本書先闡述機器學習基礎，再闡述機器學習在股票擇股擇時上的模型分析與套用。在機器學習基礎的內容中，還補充了Python語言的講解。本書所使用平台為國信iQuant量化平台。本書作為程式化交易的深化讀物，適合作為高等學校研究生相關課程教材，也可作為策略開發者的參考用書。
基本介紹
- 書名：程式化交易高級教程
- 作者：陳學彬
- ISBN：978-7-04-051278-6
- 頁數：280
- 定價：39.00
- 出版社：高等教育出版社
- 出版時間：2019年1月
- 裝幀：平裝
- 開本：16K
- 副書名：機器學習在量化交易中的套用
主要內容,作者,本書特色,適用對象,目錄,
主要內容
《程式化交易高級教程》是高等學校金融學專業系列教材之一。本書主要內容包括：導論、機器學習基礎、Python 編程基礎、基於Python 的機器學習軟體包、國信iQuant量化交易平台、交易策略學習模型的數據準備、線性回歸估值選股模型、邏輯回歸收益率預測選股模型、決策樹分類擇時模型、樸素貝葉斯分類擇時模型、支持向量機分類擇時模型、K 均值聚類分析選股模型、Apriori股票關聯分析模型、BP神經網路擇時模型、循環神經網路擇時模型、長短期記憶擇時交易模型、卷積神經網路擇時交易模型、結語。
本書由淺入深，結合具體案例，將機器學習的理論模型套用於程式化交易，強調程式化交易策略的實用性。本書適合作為高等學校金融學專業相關課程教材，也可作為程式化交易的深化讀物。
作者
陳學彬，曾任復旦大學金融研究院常務副院長；金融學教授。主要研究領域： 貨幣理論與政策。對貨幣理論與政策相關問題進行了較深入的研究。已出版《程式化交易初級教程》《程式化交易高級教程》《金融學》等教材。
本書特色
《程式交易高級教程》特色：第一，繼承性，本書在程式化交易的基本理論和方法基礎上展開的。第二，拓展性，本書將機器學習方法從理論模型連線到金融市場的程式化交易套用。第三，實用性，本書將討論怎樣利用國信iQuant平台，進行策略開發和套用過程，為將機器學習方法成功地套用到實盤交易奠定堅實基礎。第四，啟發性，本書更著眼於啟發讀者去思考、理解拓展機器學習的原理及其在程式化交易策略的套用方法。第五，具體化，本書每一種機器學習方法的討論都結合具體的案例進行分析。
本書由於各種支持Python語言編程的程式化交易平台的基本原理是一致的，在該平台上討論的機器學習程式化交易策略的基本原理和方法同樣適用於其他的交易平台。但每一種交易平台又具有自己的特點，有些特殊性的東西在其他平台可能並不適用。讀者需要注意。
適用對象
本書作為程式化交易的深化讀物，適宜程式化交易的進階者和深化者，包括大學金融學專業碩士研究生、金融個人投資者和金融機構的相關人員。需要的預備知識是金融投資的基礎知識、機器學習和Python編程的基礎知識以及程式化交易的基礎知識。有金融投資交易的豐富實戰經驗的人員閱讀和使用本書的收穫將更豐。缺乏程式化交易基礎知識的讀者，建議先閱讀本系列教材的初級和中級教程。
目錄
第一章 導論
第一篇機器學習交易基礎： 第二章 機器學習基礎、 第三章 Python編程基礎、 第四章 基於Python的機器學習軟體包、 第五章 國信iQuant量化交易平台、 第六章 交易策略學習模型的數據準備
第二篇機器學習回歸分析： 第七章 線性回歸估值選股模型、 第八章 邏輯回歸收益率預測選股模型、第三篇機器學習分類模型、 第九章 決策樹分類擇時模型、 第十章 樸素貝葉斯分類擇時模型、 第十一章 支持向量機分類擇時模型
第四篇機器學習聚類和關聯分析： 第十二章 K均值聚類分析選股模型、 第十三章 Apriori股票關聯分析模型
第五篇神經網路學習：第十四章 BP神經網路擇時模型、第十五章 循環神經網路擇時模型、第十六章 長短期記憶擇時交易模型、第十七章 卷積神經網路擇時交易模型
第十八章 結語
