当前位置:首页 > 工业技术
金融科技丛书  MXNet神经网络与量化投资
金融科技丛书  MXNet神经网络与量化投资

金融科技丛书 MXNet神经网络与量化投资PDF电子书下载

工业技术

  • 电子书积分:11 积分如何计算积分?
  • 作 者:TOP极宽量化开源组编著
  • 出 版 社:北京:电子工业出版社
  • 出版年份:2018
  • ISBN:9787121351532
  • 页数:300 页
图书介绍:MXNet是亚马逊(Amazon)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。本书以MXNet作为研究实践平台。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实战中的应用,同时采用NLP语义分析技术统计分析,以及数据的可视化分析,得到更直观的模型分析效果。
《金融科技丛书 MXNet神经网络与量化投资》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

返回顶部