返回首页
苏宁会员
购物车 0
易付宝
手机苏宁

服务体验

店铺评分与同行业相比

用户评价:----

物流时效:----

售后服务:----

  • 服务承诺: 正品保障
  • 公司名称:
  • 所 在 地:

  • AI量化投资 李必文 著 经管、励志 文轩网
  • 新华书店正版
    • 作者: 李必文著
    • 出版社: 清华大学出版社
    • 出版时间:2022-12-01 00:00:00
    送至
  • 由""直接销售和发货,并提供售后服务
  • 加入购物车 购买电子书
    服务

    看了又看

    商品预定流程:

    查看大图
    /
    ×

    苏宁商家

    商家:
    文轩网图书旗舰店
    联系:
    • 商品

    • 服务

    • 物流

    搜索店内商品

    商品分类

         https://product.suning.com/0070067633/11555288247.html

     

    商品参数
    • 作者: 李必文著
    • 出版社:清华大学出版社
    • 出版时间:2022-12-01 00:00:00
    • 版次:1
    • 印次:1
    • 印刷时间:2022-12-01
    • 页数:0
    • 开本:其他
    • 装帧:平装
    • ISBN:9787302620297
    • 国别/地区:中国
    • 版权提供:清华大学出版社

    AI量化投资

    作  者:李必文 著
    定  价:188
    出 版 社:清华大学出版社
    出版日期:2022年12月01日
    页  数:244
    装  帧:精装
    ISBN:9787302620297
    主编推荐

    图书特色: 体系化。量化思想、 量化实践、 量化方法、 量化策略、 风险控制、信息交易系统接入共同构成了量化体系。 创造性。用鲨鱼猎腥的方法类比人工神经网络的训练过程, 用小波分析的方法识别资本证券炒作的市场特征。 稳定性。侧重底层逻辑的阐述,致力于对“AI量化投资”领域不变量的挖掘。 可视化。本书大量采用了计算机绘制的图形图像,比如基于云滴智能技术观测主动管理型基金的风格漂移,凯利公式风控模型的计算机模拟。

    内容简介

    本书旨在探索AI技术与投资策略的跨界融合。全书分为上下两篇,共10章。上篇由量化思想、量化实践、量化方法、量化策略、风险控制绕不开凯利公式、交易信息系统外接共6章组成;下篇由遗传算法在黄金投资中的应用、大规模神经网络及股票非量价复合策略、小波分析及金融工程多维度应用和前沿研究与探索共4章组成。上篇主要阐述当前已有的量化知识并用独特鲜明的风格呈现出来,侧重计算机动态仿真技术;下篇聚焦探索未知的领域。全书注重金融实证、工程数学、计算机编程三者之间的跨界融合。本书可作为量化基金从业人员和证券分析师的参考用书,也可作为金融专业、人工智能专业的高年级本科生、硕士和博士研究生的参考书(含毕业论文参考用书),还可以作为具备理工科背景且未来有志于从事AI量化投资人士的自学书籍。

    作者简介

    李必文,在金融持牌机构从业 7 年以上,位居管理层;随后投身高科技实体产业, 2021 年期间在芯片半导体大厂战略管理部任职;先后从事纺织服装、互联网、基金、芯片四个行业,拥有跨学科、跨行业的丰富经验和成功案例;大学毕业至今,已出版计算机编程、机器学习等相关著作 5 部。

    精彩内容

    目录
    上篇量化体系
    第1章量化思想
    1.1超额α实证案例
    1.1.1定量构建三级基金池
    1.1.2通过“AOA”分析法进行大类资产配置
    1.1.3检验正交(独立)的多条投资回报流
    1.1.4组建风险收益模型
    1.1.5模型延伸:通过JDBC驱动连接MySQL接口
    1.2万物皆是算法
    1.2.1生物学的算法属性
    1.2.2机器学习算法与数学机械化概述
    1.3什么是量化投资
    1.3.1量化战胜市场
    1.3.2主观投资与量化投资
    1.3.3全球证券投资的上升策略
    1.3.4经典多因子量化三要素
    1.3.5多因子投资拓扑结构
    1.3.6算力与tick颗粒度
    1.3.7算法暴力会人为造成服务器“燃料”短缺
    1.3.8量化策略能盈利的底层逻辑
    1.4什么是AI量化投资
    1.4.1AI量化投资与量化投资的本质区别
    1.4.2收益与高流动性显著相关
    1.5AI用于投资策略的三项前提条件
    第2章量化实践
    2.1定量设计现金管理方案
    2.2基金科学定投
    2.2.1蒙特卡罗模拟的原理
    2.2.2误差分析
    2.2.3定投钝化
    2.3时间分辨率为何深度影响投资收益率
    2.3.1时间分辨率
    2.3.2投资时间颗粒度与复利理论优选值
    第3章量化方法
    3.1线性相关度
    3.1.1计算方法
    3.1.2用于宏观经济因子
    3.1.3构建不相关投资回报流
    3.1.4线性相关度延伸:Spearman相关度
    3.2灰色相关矩阵
    3.2.1股票走势的灰色性
    3.2.2灰色关联度计算方法
    3.2.3用于宏观经济因子
    3.3多因子投资
    3.3.1因子暴露、因子溢价、因子模型、资产向量图
    3.3.2构建多因子投资向量通式
    3.3.3单因子溢价
    3.3.4双因子溢价
    3.3.5因子检验
    3.3.6多因子分析的主观性
    3.4云模型,不确定性的AI
    3.4.1“云滴”的随机性与模糊性
    3.4.2云滴模拟基金的风格漂移
    3.5贝叶斯判别法,先验概率的AI
    3.5.1后验概率
    3.5.2判别股票的动量反转
    3.6K-means聚类法
    3.6.1数学原理
    3.6.2中证1000成分股量价因子聚类
    3.6.3A股全指个股量价因子聚类
    3.7行为金融交易法
    3.7.1前景理论
    3.7.2面向未来
    3.7.3信息交易者与噪声交易者
    第4章量化策略
    4.1量化投资流程与策略分类
    4.1.1策略实现流程
    4.1.2量化策略分类
    4.2指数增强策略
    4.3对冲中性策略
    4.3.1策略原理
    4.3.2期货升贴水
    4.3.3ETF对冲概述
    4.4网格交易策略
    4.4.1网格交易原理
    4.4.2沪深300实证案例
    4.4.3策略缺点与优化
    4.5风险平价策略
    4.5.1原始模型
    4.5.2常规模型
    4.5.3模型求解
    4.5.4增强模型
    4.5.5杠杆模型
    4.6CTA策略
    4.7量化策略的趋势
    第5章风险控制绕不开凯利公式
    5.1普适的凯利公式
    5.2胜率和赔率决定冒险投资的仓位
    5.3公式推导
    5.4计算机动态模拟
    5.5凯利投资准则
    第6章交易信息系统外接
    6.1接入门槛
    6.2系统外接IT架构
    下篇AI方法及投资策略
    第7章遗传算法在黄金投资中的应用
    7.1AI算法思想
    7.1.1边缘活跃效应
    7.1.2AI算法时代
    7.1.3量化投资在我国的发展阶段
    7.2遗传算法概述
    7.2.1重度参与飞机发动机设计
    7.2.2生物学基础
    7.3遗传算法关键数学原理
    7.3.1编解码
    7.3.2复制运算
    7.4遗传算法寻优举例
    7.4.1编码
    7.4.2评价个体适应度
    7.4.3新种群复制
    7.4.4交配点发生交配
    7.4.5基因突变
    7.5遗传算法拓展
    7.5.1协力进化
    7.5.2遗传算法与弗洛伊德梦的解析法
    7.6计算机程序设计框架
    7.6.1伪代码设计
    7.6.2参数设计准则
    7.6.3适应度函数调优
    7.7黄金现货对冲套利
    7.7.1黄金投资重要属性
    7.7.2定价要素
    7.7.3组建模型
    7.7.4求解非线性多约束双目标函数
    7.7.5套利策略设计思路
    第8章大规模神经网络及股票非量价复合策略
    8.1人工神经网络概述
    8.1.1网络结构
    8.1.2激励函数
    8.2经典神经网络模型
    8.2.1因式分解网络的学习步骤
    8.2.2基于视网膜感受视野设计RBF神经网络
    8.3设计BP神经网络
    8.3.1鲨鱼嗅闻血腥味原理
    8.3.2网络学习案例化解析
    8.3.3网络训练多尺度分析
    8.4设计RBF神经网络
    8.4.1梯度训练法
    8.4.2性能要素
    8.5评价神经网络的泛化能力
    8.6神经网络核心技术与策略
    8.6.1震荡的成因
    8.6.2演绎推理法与绝妙的排列组合算法
    8.7设计大规模径向基小波神经网络的深度理论
    8.7.1五层网络拓扑结构
    8.7.2符号约定
    8.7.3组建神经网络数学模型
    8.7.4调整伸缩因子a
    8.7.5调整尺度因子b
    8.7.6调整连接权值w
    8.7.7a、b、w动态调整量
    8.7.8添加网络动量
    8.7.9非常规定律
    8.8中证1000成分股非量价复合策略
    8.8.1股价预测的合理性与不合理性
    8.8.2多策略原理阐述
    8.8.3因子群挖掘
    8.8.4股票数据ETL
    8.8.5股票数据归一化和添加白噪声
    8.8.6启动训练
    8.8.7股价预测准确率
    8.8.8交易指令设计
    8.8.9为什么有些机器学习量化策略没有成功
    8.8.10神经网络在股票优选策略中的独特优势
    第9章小波分析及金融工程多维度应用
    9.1小波分析框架理论
    9.1.1数学变换的含义
    9.1.2傅里叶变换的局限性在哪里
    9.1.3傅里叶变换和小波变换图谱对比
    9.1.4小波的定义及特征
    9.2小波伸缩平移和变换
    9.2.1母小波伸缩平移
    9.2.2连续小波变换
    9.3小波分解与重构
    9.3.1平均和细节
    9.3.2多尺度分析
    9.4市场熵投资策略
    9.4.1海森堡测不准定律
    9.4.2小波窗函数影响市场动量因子
    9.4.3统一论的量化投资体系
    9.5抽取震荡中的道琼斯工业指数行情趋势
    9.6识别可转债的资本市场炒作行为
    9.6.1进可攻,退可守的可转债
    9.6.2数据洗涤
    9.6.3基于db6小波基对炒作信号进行变换
    9.6.4通过噪声分贝识别可转债市场炒作行为
    9.6.5模型延伸:提升时间分辨率
    第10章前沿研究与探索
    10.1斐波那契投资模型
    10.1.1通项式
    10.1.2简单是股票策略有效的必要条件
    10.2股票能量守恒定律
    10.2.1物理方程式
    10.2.2实证案例
    10.3最速降线:股票利空出尽的快速途径
    10.3.1参数方程组
    10.3.2延伸理解
    10.3.3利空出尽最速衰减规律
    后记

    售后保障

    最近浏览

    猜你喜欢

    该商品在当前城市正在进行 促销

    注:参加抢购将不再享受其他优惠活动

    x
    您已成功将商品加入收藏夹

    查看我的收藏夹

    确定

    非常抱歉,您前期未参加预订活动,
    无法支付尾款哦!

    关闭

    抱歉,您暂无任性付资格

    此时为正式期SUPER会员专享抢购期,普通会员暂不可抢购