人工智能在量化交易中的应用与实战

人工智能+量化交易，未来金融市场的趋势机构和大户的工具，“散户赚钱是偶然，机构和大户赚钱是必然”的结果揭示智能量化交易实战精髓，新手交易获利更容易详解智能量化交易实战应用难题，多位专家合力编著

本书首先讲解人工智能的基础知识，即什么是人工智能，为什么要学习人工智能，什么是智能，智能类型，人工智能的研究与应用领域，为什么使用Python 来开发人工智能，利用量化交易平台编写Python 程序，人工智能的发展历史；然后讲解Python 编程基础和人工智能的三个重要的包，即Numpy 包、Pandas 包和Matplotlib 包；接着讲解5 种机器学习算法，即决策树、随机森林、支持向量机（SVM）、朴素贝叶斯和人工智能的神经网络；然后讲解Python 量化交易策略的编写、获取数据函数、Python 基本面量化选股、Python 量化择时的技术指标函数、Python 量化交易策略的回测技巧、Python 量化交易策略的机器学习方法应用；很后讲解Python 量化交易策略的因子分析技巧和Python 量化交易策略实例。 在讲解过程中既考虑读者的学习习惯，又通过具体实例剖析讲解人工智能在量化交易应用中的热点问题、关键问题及种种难题。 本书适用于各种投资者，如股民、期民、中小散户、职业操盘手和专业金融评论人士，更适用于那些有志于在这个充满风险、充满寂寞的征程上默默前行的征战者和屡败屡战、愈挫愈勇并很终战胜失败、战胜自我的勇者。

李晓波，从事金融衍生品市场交易及管理近20年，有着丰富的经验和体会，对靠前外贵金属、外汇、邮币卡、大宗商品及股市等主流交易方式有着深刻的了解，擅长股票、期货、黄金、白银、邮币卡、外汇的培训指导，经常活跃在各大金融讲坛，深为投资者喜爱。可为个人投资者及机构提供分析、投资咨询，交易指导，理财培训等多方位的专业服务。

章人工智能快速入门/111初识人工智能/2111什么是人工智能/2112为什么要学习人工智能/212智能概述/4121智能类型/4122智能的组成/613人工智能的研究与应用领域/8131专家系统/8132自然语言理解/9133机器学习/9134机器定理证明/10135自动程序设计/11136分布式人工智能/12137机器人学/13138模式识别/14139人机博弈/141310计算机视觉/151311软计算/151312智能控制/161313智能规划/1714人工智能的开发语言/18141为什么使用Python来开发人工智能/18142Python的下载和安装/18143Python程序的编写/21144利用量化交易平台编写Python程序/2415人工智能的发展历史/27151计算机时代/27152大量程序/28153强弱人工智能/29第2章Python编程基础/3121Python的基本数据类型/32211数值类型/32212字符串/3422变量与赋值/37221变量命名规则/37222变量的赋值/3823Python的基本运算/39231算术运算/39232赋值运算/41233位运算/4224Python的选择结构/43241关系运算/43242逻辑运算/45243if语句/46244嵌套if语句/4825Python的循环结构/49251while循环/50252while循环使用else语句/51253无限循环/51254for循环/52255在for循环中使用range()函数/53256break语句/54257continue语句/55258pass语句/5626Python的特征数据类型/57261列表/57262元组/61263字典/63264集合/6427Python的函数/67271函数的定义与调用/67272参数传递/69273匿名函数/71274变量作用域/7228Python的面向对象/73281面向对象概念/73282类与实例/74283模块的引用/7729Python的代码格式/78291代码缩进/78292代码注释/79293空行/79294同一行显示多条语句/79第3章人工智能的Numpy包/8131初识Numpy包/8232ndarray数组基础/82321创建Numpy数组/83322Numpy特殊数组/86323Numpy序列数组/90324Numpy数组索引/91325Numpy数组运算/92326Numpy数组复制/9333Numpy的矩阵/9434Numpy的线性代数/96341两个数组的点积/96342两个向量的点积/97343一维数组的向量内积/97344矩阵的行列式/98345矩阵的逆/10035Numpy的文件操作/101第4章人工智能的Pandas包/10541Pandas的数据结构/10642一维数组系列（Series）/106421创建一个空的系列（Series）/106422从ndarray创建一个系列（Series）/107423从字典创建一个系列（Series）/109424从有位置的系列（Series）中访问数据/109425使用标签检索数据/11043二维数组DataFrame/111431创建DataFrame/111432数据的查看/112433数据的选择/116434数据的处理/12244三维数组Panel/124第5章人工智能的Matplotlib包/12751Matplotlib包的优点/12852figure()函数的应用/128521figure()函数的各参数意义/128522figure()函数的实例/12953plot()函数的应用/131531plot()函数的各参数意义/131532plot()函数的实例/13254subplot()函数的应用/133541subplot()的各参数意义/134542subplot()的实例/13455add_axes方法的应用/13556legend()函数的应用/13757设置字体格式/13958设置线条的宽度和颜色/14059坐标轴网格/142510绘制柱状图/143511绘制色图和等高线图/144512绘制立体三维图形/146第6章决策树和随机森林/15161决策树/152611什么是决策树/152612决策树的组成/153613决策树的优点/153614决策树的缺点/154615决策树的构造/154616纯度判断方法/155617决策树的剪枝/162618利用Python代码实现决策树/16362随机森林/167621随机森林的构建/167622随机森林的优缺点/168623随机森林的应用范围/168624利用Python代码实现随机森林/169第7章支持向量机（SVM）和朴素贝叶斯/17371支持向量机（SVM）/174711什么是支持向量机（SVM）/174712支持向量机（SVM）的工作原理/174713核函数/175714支持向量机(SVM)的优点/177715支持向量机(SVM)的缺点/177716利用Python代码实现支持向量机(SVM)/17772朴素贝叶斯/182721什么是朴素贝叶斯/182722朴素贝叶斯的算法思想/182723朴素贝叶斯的算法步骤/183724朴素贝叶斯的优缺点/184725利用Python代码实现高斯朴素贝叶斯/184726利用Python代码实现多项式分布朴素贝叶斯/187727利用Python代码实现伯努力朴素贝叶斯/188第8章人工智能的神经网络/19181初识人工神经网络/192811什么是人工神经网络/192812大脑中的神经元细胞和神经元细胞网络/192813人工神经网络的基本特征/193814人工神经网络的特点/19582人工神经网络的算法/19583神经网络库Pybrain/197831神经网络的创建/197832神经网络的数据集定义/201833训练神经网络/202834循环神经网络/20484人工神经网络实例/205第9章Python量化交易策略的编写/20991Python量化交易策略的组成/210911初始化函数（initialize）/211912开盘前运行函数（before_market_open）/212913开盘时运行函数（market_open）/213914收盘后运行函数（after_market_close）/21492Python量化交易策略的设置函数/214921设置基准函数/215922设置佣金/印花税函数/215923设置滑点函数/217924设置动态复权（真实价格）模式函数/217925设置成交量比例函数/218926设置是否开启盘口撮合模式函数/218927设置要操作的股票池函数/21893Python量化交易策略的定时函数/219931定时函数的定义及分类/219932定时函数各项参数的意义/219933定时函数的注意事项/220934定时函数的实例/22194Python量化交易策略的下单函数/222941按股数下单函数/222942目标股数下单函数/223943按价值下单函数/223944目标价值下单函数/224945撤单函数/224946获取未完成订单函数/225947获取订单信息函数/225948获取成交信息函数/22695Python量化交易策略的日志log/226951设定log级别/226952loginfo/22796Python量化交易策略的常用对象/227961Order对象/227962全局对象g/228963Trade对象/229964tick对象/229965Context对象/230966Position对象/231967SubPortfolio对象/232968Portfolio对象/233969SecurityUnitData对象/2330章Python量化交易策略的获取数据函数/235101获取股票数据的history()函数/2361011各项参数的意义/2361012history()函数的应用实例/238102获取一只股票数据的attribute_history()函数/241103查询一个交易日股票财务数据的get_fundamentals()函数/2421031各项参数的意义/2421032get_fundamentals()函数的应用实例/243104查询股票财务数据的get_fundamentals_continuously()函数/249105获取股票特别数据的get_current_data()函数/250106获取指数成分股代码的get_index_stocks()函数/2511061各项参数的意义/2511062get_index_stocks()函数的应用实例/252107获取行业成分股代码的get_industry_stocks()函数/253108获取概念成本股代码的get_concept_stocks()函数/255109获取所有数据信息的get_all_securities()函数/2561091各项参数的意义/2561092get_all_securities()函数的应用实例/2571010获取一只股票信息的get_security_info()函数/2591011获取龙虎榜数据的get_billboard_list()函数/26010111各项参数的意义/26010112get_billboard_list()函数的应用实例/2611012获取限售解禁数据的get_locked_shares()函数/2621章Python基本面量化选股/265111初识量化选股/266112成长类因子选股/2661121营业收入同比增长率选股/2661122营业收入环比增长率选股/2681123净利润同比增长率选股/2691124净利润环比增长率选股/2701125营业利润率选股/2711126销售净利率选股/2721127销售毛利率选股/273113规模类因子选股/2741131总市值选股/2741132流通市值选股/2751133总股本选股/2771134流通股本选股/277114价值类因子选股/2781141市净率选股/2781142市销率选股/2791143市现率选股/2801144动态市盈率选股/2811145静态市盈率选股/283115质量类因子选股/2841151净资产收益率选股/2841152总资产净利率选股/285116基本面多因子量化选股的注意事项/2862章Python量化择时的技术指标函数/289121初识量化择时/290122趋向指标函数/2911221MACD指标函数/2911222EMV指标函数/2931223UOS指标函数/2941224GDX指标函数/2951225DMA指标函数/2971226JS指标函数/2981227MA指标函数/3001228EXPMA指标函数/3011229VMA指标函数/302123反趋向指标函数/3031231KD指标函数/3031232MFI指标函数/3041233RSI指标函数/3061234OSC指标函数/3071235WR指标函数/3081236CCI指标函数/310124压力支撑指标函数/3111241BOLL指标函数/3111242MIKE指标函数/3121243XS指标函数/313125量价指标函数/3151251OBV指标函数/3161252VOL指标函数/3171253VR指标函数/3181254MASS指标函数/3193章Python量化交易策略的回测技巧/321131量化交易策略回测的流程/322132利用Python编写MACD指标量化策略/3231321量化交易策略的编辑页面/3231322编写初始化函数/3251323编写单位时间调用的函数/326133设置MACD指标量化策略的回测参数/327134MACD指标量化策略的回测详情/329135MACD指标量化策略的风险指标/3321351Alpha（阿尔法）/3331352Beta（贝塔）/3331353Sharpe（夏普比率）/3341354Sortino（索提诺比率）/3351355InformationRatio（信息比率）/3361356Volatility（策略波动率）/3371357BenchmarkVolatility（基准波动率）/3381358MaxDrawdown（优选回撤）/3384章Python量化交易策略的机器学习方法应用/341141随机森林在量化交易中的应用/342142支持向量机(SVM)在量化交易中的应用/345143朴素贝叶斯在量化交易中的应用/348144神经网络在量化交易中的应用/3515章Python量化交易策略的因子分析技巧/357151因子分析概述/3581511因子的类型/3581512因子分析的作用/358152因子分析的实现代码/3581521因子分析中变量的含义/3591522因子分析中可以使用的基础因子/3591523calc的参数及返回值/361153因子分析的结果/3611531新建因子/3611532收益分析/3641533IC分析/3671534换手分析/368154因子在研究和回测中的使用/370155基本面因子应用实例/3726章Python量化交易策略实例/375161MA均线量化交易策略/3761611编写初始化函数/3761612编写单位时间调用的函数/3781613MA均线量化交易策略的回测/379162多均线量化交易策略/3801621编写初始化函数/3801622编写交易程序函数/3811623多均线量化交易策略的回测/382163MACD指标量化交易策略/3831631编写初始化函数/3841632编写单位时间调用的函数/3841633MACD指标量化交易策略的回测/385164KD指标量化交易策略/3861641编写初始化函数/3861642编写开盘前运行函数/3871643编写开盘时运行函数/3871644编写收盘后运行函数/3881645KD指标量化交易策略的回测/389165BOLL指标量化交易策略/3901651编写初始化函数/3901652编写开盘前运行函数/3911653编写开盘时运行函数/3911654编写收盘后运行函数/3931655BOLL指标量化交易策略的回测/393166多股票持仓量化交易策略/3941661编写初始化函数/3941662编写单位时间调用的函数/3951663多股票持仓量化交易策略的回测/396167医药股轮动量化交易策略/3971671编写初始化函数/3971672编写选股函数/3981673编写交易函数/3981674医药股轮动量化交易策略的回测/399168小市值股票量化交易策略/3991681编写初始化函数/4001682编写选股函数/4011683编写过滤停牌股票函数/4011684编写交易函数/4011685小市值股票量化交易策略的回测/402169人工智能多因子量化交易策略/4031691编写初始化函数/4031692编写自定义的交易函数/4041693人工智能多因子量化交易策略的回测/409