書籍信息,內容簡介,圖書目錄,
書籍信息
作譯者：TOP 極寬量化開源組
出版時間：2018-10千 字 數：312版次：01-01頁 數：312
開本：16開裝幀：I S B N ：9787121351532
換版：
紙質書定價：￥99.0
內容簡介
MXNet是亞馬遜（Amazon）的深度學習庫，以簡單、高效、容易使用而著稱。它擁有類似於Theano和TensorFlow的數據流圖，為多GPU裝置提供了良好的配置。本書以MXNet作為研究實踐平台，實現量化投資交易。書中主要介紹了在MXNet環境下，利用深度學習常用算法，實現線性、MLP、CNN卷積、GoogLeNet、ResNet深度殘差、RNN循環神經網路、DenseNet稠密神經網路等多種模型在量化投資和股價預測方面的套用，同時採用NLP語義分析技術，対股票價格走勢進行統計分析，以及金融數據的可視化分析，得到更直觀的模型分析效果，通過先進的人工智慧模型，在量化投資領域中取得較高收益。
圖書目錄
第1章 快速入門 1
1.1 MXNet簡介 1
1.2 CUDA運行環境安裝 4
1.3 MXNet運行環境安裝 5
1.3.1 下載MXNet模組庫 6
1.3.2 安裝MXNet模組庫預處理 6
1.3.3 安裝MXNet模組庫 9
案例1-1：重點模組版本測試 10
案例1-2：MXNet安裝包測試 12
1.4 GPU開發環境測試 13
案例1-3：GPU開發環境測試 13
1.5 量化GPU工作站推薦配置 15
第2章 基本操作 18
2.1 NDArray數組 18
案例2-1：NDArray數組常用功能 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計算 28
2.3 Matplotlib畫圖 30
案例2-4：Matplotlib常用功能 30
案例2-5：多子圖繪製 31
2.4 常用數據檔案 33
案例2-6：讀取金融數據 33
2.5 TA-Lib金融模組庫 36
2.6 MA移動平均線 40
案例2-7：MA均線指標 41
案例2-8：多MA均線指標 44
2.7 常用工具函式包 47
第3章 數據預處理 53
3.1 數據與預處理背景介紹 53
3.2 數據預處理常用技術 54
3.3 歸一化 55
案例3-1：MinMaxScaler歸一化 56
案例3-2：Standardization標準化 57
3.4 缺失值 58
案例3-3：Imputer缺失值補充 59
3.5 多項式特徵 60
案例3-4：PolynomialFeatures多項式特徵 60
第4章 線性神經網路模型 62
4.1 線性神經網路 62
案例4-1：line上證指數n+1價格預測 64
4.2 Logistic邏輯回歸模型 76
案例4-2：Logistic上證指數漲跌預測 78
第5章 MLP神經網路模型 86
5.1 MLP多層感知器 86
案例5-1：MLP上證指數n+1價格預測 88
5.2 SMA簡單均線量化策略 99
案例5-2：MLP上證指數n+1價格預測均線增強版 99
第6章 CNN卷積神經網路 104
6.1 CNN卷積神經網路簡介 104
常用激活函式介紹 106
案例6-1：CNN上證指數n+1價格預測 109
6.2 ADX平均趨向量化投資策略 115
案例6-2：CNN上證指數n+1價格預測ADX增強版 116
第7章 GoogLeNet谷歌神經網路模型 121
7.1 GoogLeNet谷歌深度卷積神經網路模型 121
案例7-1：GoogLeNet上證指數n+1價格預測 123
7.2 KELCH肯特納通道量化投資策略 135
案例7-2：GoogLeNet上證指數n+1價格預測（2） 135
第8章 ResNet深度殘差網路模型 139
8.1 ResNet深度殘差神經網路模型 139
8.2 Money Flow資金流向指標 142
案例8-1：ResNet深度殘差時間序列預測A股資金流向 144
8.3 MOM動量線量化投資策略 149
