幫助中心 | 我的帳號 | 關於我們
進階搜尋
car

同類熱銷排行榜

最近瀏覽的商品

智能量化(ChatGPT在金融策略與演算法交易中的實踐)

  • 作者：龔暉|責編:王繼偉
  • 出版社：北京大學
  • ISBN：9787301346303
  • 出版日期：2024/04/01
  • 裝幀：平裝
  • 頁數：238
人民幣：RMB 59 元      售價：元
放入購物車
加入收藏夾
內容大鋼
    本書是一部全面而深入的量化金融實戰指南，從基礎的Python編程和量化金融概念出發，逐步引領讀者進入金融數據分析、量化策略開發、演算法交易及風險管理的高級話題。本書還探討了生成式AI和ChatGPT在量化金融領域中的應用，為讀者提供了一個全面的視角和實用的工具。
    本書共分為5章：第1章作為基礎，介紹了量化金融、演算法交易和Python編程的基礎知識；第2章專註于金融數據的獲取和處理，包括如何使用APIs和Python庫；第3章深入講解了量化策略與模型，涵蓋了從統計學到機器學習再到深度學習和Transformer模型及ChatGPT插件使用的多個方面；第4章是對演算法交易與風險管理的全面解析，包括市場微觀結構、交易策略和ChatGPT的Code Interpreter功能；第5章對量化金融和演算法交易的未來進行了展望，包括人工智慧在金融領域中的機遇和挑戰。
    本書內容深入淺出，實例豐富，實用性極強，特別適合量化金融的初學者和專業人士，也適用於金融分析師、數據科學家和編程愛好者。此外，本書也可作為金融科技和量化金融相關培訓課程的教材。
作者介紹
龔暉|責編:王繼偉
    龔暉，博士，倫敦大學學院（UCL）金融與科技研究所去中心化金融和區塊鏈講師，威斯敏斯特大學商學院（Westminster Business School）金融科技客座講師，主講的課程涉及區塊鏈與加密貨幣、金融衍生品定價和高頻交易等領域。2019年，在UCL數學系獲得金融數學博士學位。主要研究領域為金融科技，包括演算法交易、區塊鏈技術、加密貨幣和人工智慧在金融領域中的應用等。2014年，被UCL推薦至瑞士信貸（Credit Suisse），開發了第一代智能推薦系統，用於客戶分類、精準營銷和新聞、投資產品的推薦等。2015年，加入瑞士信貸DAST（Data Analysis Sentiment Technology）部門，負責Delta One產品和HOLT系統的人工智慧優化，其通過人工智慧優化的指數產品，被多家買方作為基準產品。也曾在UCL區塊鏈技術研究中心從事區塊鏈應用研究，並發表多篇論文，對於量化金融領域見解獨到。
目錄
第1章  基礎知識與量化金融概述
  1.1  引言：量化金融與演算法交易簡介
    1.1.1  量化金融及其發展歷史
    1.1.2  當代量化金融
    1.1.3  演算法交易概述
    1.1.4  高頻交易概述
    1.1.5  演算法交易與高頻交易的區別
  1.2  Python編程基礎
    1.2.1  Python的優點
    1.2.2  Python在量化金融和演算法交易中的應用初覽
    1.2.3  Anaconda的安裝
    1.2.4  Python代碼示例
  1.3  ChatGPT簡介及原理
    1.3.1  ChatGPT簡介
    1.3.2  ChatGPT原理
  1.4  生成式AI在量化金融領域中的應用
第2章  金融數據處理與分析
  2.1  數據來源：金融數據APIs及其供應商
    2.1.1  數據來源的複雜程度
    2.1.2  為什麼要鏈接API
    2.1.3  數據供應商的對比
  2.2  使用ChatGPT鏈接金融APIs
    2.2.1  報錯分析
    2.2.2  使用第三方庫：yfinance
    2.2.3  使用第三方庫：yahoofinancials
    2.2.4  其他第三方庫
  2.3  數據處理：使用Python分析金融數據
    2.3.1  重新採樣
    2.3.2  滾動統計
  2.4  數據可視化：使用Matplotlib等工具
  2.5  實例：財務報表指標獲取及分析
    2.5.1  獲取特斯拉的年度財務數據
    2.5.2  計算所需的財務指標
    2.5.3  該財務指標（凈利潤率）可視化
    2.5.4  該財務指標（凈利潤率）的趨勢分析
第3章  量化策略與模型
  3.1  統計學與金融：常見統計模型與方法
    3.1.1  描述性統計
    3.1.2  概率分佈
    3.1.3  假設檢驗
    3.1.4  時間序列分析
  3.2  技術分析：指標與策略
    3.2.1  圖表模式
    3.2.2  趨勢線
    3.2.3  技術指標
    3.2.4  交易策略與回測
  3.3  基本面分析：選股策略與價值投資
  3.4  賣方策略：衍生品定價與風險管理
    3.4.1  衍生品概述
    3.4.2  衍生品定價

    3.4.3  Black-Scholes模型
    3.4.4  Put-CallParity的基本期權理論
    3.4.5  風險管理——Greeks
  3.5  機器學習與金融：回歸模型、分類器等
    3.5.1  機器學習概述
    3.5.2  回歸模型
    3.5.3  分類器
    3.5.4  機器學習在金融領域中的挑戰
  3.6  深度學習與金融：神經網路、LSTM、CNN等
    3.6.1  神經網路
    3.6.2  長短期記憶網路
    3.6.3  卷積神經網路
    3.6.4  深度學習在金融領域中的挑戰
  3.7  自然語言處理：利用Transformer結構分析市場情緒
  3.8  實例操作：使用ChatGPT的金融相關插件
    3.8.1  ChatGPT插件及安裝
    3.8.2  PortfolioPilot插件
第4章  演算法交易與風險管理
  4.1  市場微觀結構理解與應用
    4.1.1  訂單簿的基本結構與功能
    4.1.2  訂單類型與執行機制
    4.1.3  市場碎片化問題的理解與應對
    4.1.4  交易延遲與市場深度的影響
    4.1.5  臨時與永久的滑點
    4.1.6  訂單失衡
  4.2  交易策略開發：交易信號、執行和管理
    4.2.1  基於連續時間馬爾科夫鏈的交易策略
    4.2.2  市價訂單的建模與應用
    4.2.3  交易信號的生成與驗證
    4.2.4  交易管理：訂單追蹤與調整
  4.3  訂單執行：買方策略、賣方策略與做市策略
    4.3.1  買方策略的設計與實施（只有臨時滑點）
    4.3.2  賣方策略的設計與實施（臨時與永久滑點）
    4.3.3  做市策略的設計與實施
  4.4  風險管理：風險度量、預測與控制
    4.4.1  風險度量
    4.4.2  風險預測
    4.4.3  風險控制
  4.5  資金管理：投資組合優化與資產配置
    4.5.1  投資組合優化的理論與方法
    4.5.2  基於Transformer模型的資產配置的策略與實施
    4.5.3  使用GPT-4的代碼解釋器來解釋做市策略
第5章  未來展望與挑戰
  5.1  探索多元化的大語言模型平台
    5.1.1  科大訊飛——訊飛星火認知大模型
    5.1.2  百度——文心一言大模型
    5.1.3  智譜AI——智譜清言ChatGLM大模型
    5.1.4  百川智能——百川大模型
  5.2  量化金融與演算法交易的發展趨勢
    5.2.1  量化金融與演算法交易的新趨勢

    5.2.2  智能化金融服務的崛起
  5.3  機遇與挑戰：人工智慧在金融領域中的雙刃劍效應
    5.3.1  技術驅動下的金融機遇
    5.3.2  在監管環境中應對挑戰
  5.4  前瞻：人工智慧與金融領域的未來合作
    5.4.1  潛在的增長領域和創新點
    5.4.2  面向未來的策略和合作路徑

  • 商品搜索：
  • | 高級搜索
首頁│ 新手上路│ 客服中心│ 關於我們│ 聯絡我們│ Top↑│
Copyrightc 1999~2008 美商天龍國際圖書股份有限公司 臺灣分公司. All rights reserved.
營業地址:臺北市中正區重慶南路一段103號1F 105號1F-2F
讀者服務部電話：02-2381-2033 02-2381-1863　時間：週一-週五 10:00-17:00
　服務信箱：bookuu@69book.com 客戶、意見信箱:cs@69book.com
ICP證：浙B2-20060032