巧用AI大模型轻松学会Python金融数据分析

本书结合金融领域的实际需求和量化分析技术，手把手教读者利用AI大模型的精准提示词，让AI大模型生成可用性极高的金融数据分析与建模代码，确保了内容既有深度又贴近用户实际需求。全书共计15章，目录如下： 第1章AI大模型在金融领域的应用基础 第2章让ChatGPT协助处理金融数据 第3章让ChatGPT协助可视化金融时序数据 第4章让ChatGPT协助探索金融时序数据 第5章让ChatGPT协助进行技术分析 第6章让ChatGPT协助进行时序分析与建模 第7章让ChatGPT协助用机器学习建模 第8章让ChatGPT协助使用多因子模型 第9章让ChatGPT协助使用GARCH建模 第10章让ChatGPT协助进行蒙特卡洛模拟 第11章让ChatGPT协助进行资产配置 第12章让ChatGPT协助回测交易策略 第13章深度学习基础 第14章深度学习在金融领域的应用探索 第15章利用生成式AI分配量化权重 本书适合金融科技从业者阅读参考。

段小手 ---------------------------- 段小手，曾供职于百度、敦煌网、慧聪网、方正集团等知名IT企业。有多年的科技项目管理及开发经验。2019年至今，与云南省公安厅合作数据挖掘项目，使用机器学习技术协助云南警方打击违法犯罪活动。 其负责的项目曾获得“国家发改委电子商务示范项目”“中关村现代服务业试点项目”“北京市信息化基础设施提升专项”“北京市外贸公共服务平台”等多项政策支持。著有《深入浅出Python机器学习》(清华大学出版社出版)《深入浅出Python量化交易实战》（机械工业出版社出版）等著作。

第 1 章 用 Python 获取金融数据 / 1 1.1 获取股票数据 2 1.1.1 获取股票实时行情数据 2 1.1.2 获取股票历史行情数据 4 1.1.3 获取上市公司财务指标数据 .5 1.2 获取期货数据 8 1.2.1 获取期货手续费与保证金数据8 1.2.2 获取期货实时行情数据 10 1.2.3 获取期货历史行情数据 11 1.3 获取宏观数据 12 1.3.1 获取国内生产总值数据 12 1.3.2 获取社会融资规模增量统计数据 14 1.3.3 获取 M2 货币供应年率数据 .15 1.4 小结与习题 .15 第 2 章 让 ChatGPT 协助处理金融数据 / 17 2.1 将价格数据转化为收益 .18 2.1.1 让 ChatGPT 协助计算简单收益18 2.1.2 让 ChatGPT 协助计算对数收益20 2.2 根据通货膨胀调整收益 .21 2.2.1 通货膨胀调整的一般步骤.22 2.2.2 获取 CPI 月率数据并进行处理.23 2.2.3 让 ChatGPT 协助进行通货膨胀调整24 2.3 实现波动率的计算 .26 2.3.1 实现波动率的原理与公式.26 2.3.2 计算股价的月度实现波动率 .27 2.3.3 让 ChatGPT 协助计算年化实现波动率 28 2.4 缺失数据填补 31 2.4.1 用 reindex 填补缺失的日期.31 2.4.2 让 ChatGPT 协助填充缺失数据32 2.4.3 让 ChatGPT 协助用插值法填充缺失数据33 2.5 小结与习题 .35第 3 章 让 ChatGPT 协助可视化金融时间序列数据 / 36 3.1 时间序列数据的基本可视化 37 3.1.1 基本折线图的绘制.37 3.1.2 让 ChatGPT 协助绘制子图.39 3.1.3 让 ChatGPT 协助美化子图.40 3.2 季节性模式可视化 .42 3.3 交互式可视化 45 3.3.1 让 ChatGPT 用 Cufflink 绘制交互式图像45 3.3.2 让 ChatGPT 用 Plotly 绘制交互式图像47 3.3.3 让 ChatGPT 协助美化交互式图像.49 3.4 K 线图的绘制 50 3.4.1 让 ChatGPT 协助绘制基本 K 线图50 3.4.2 让 ChatGPT 协助添加均线.53 3.4.3 让 ChatGPT 协助添加成交量54 3.5 小结与习题 .56 第 4 章 让 ChatGPT 协助探索金融时间序列数据 / 57 4.1 让 ChatGPT 协助处理异常值 58 4.1.1 使用滚动统计检测异常值.58 4.1.2 使用温索化处理异常值 61 4.2 让 ChatGPT 协助检测趋势变化 62 4.2.1 使用 Pelt 算法检测趋势变化63 4.2.2 使用二元分段法检测变点.64 4.2.3 时间序列中的趋势检测 66 4.3 让 ChatGPT 协助研究资产回报的典型特征 67 4.3.1 资产回报的统计分布68 4.3.2 资产回报的自相关性分析.71 4.3.3 资产回报的杠杆效应74 4.3.4 用 Hurst 指数识别时间序列中的趋势75 4.4 小结与习题 .78 第 5 章 让 ChatGPT 协助进行技术分析 / 79 5.1 让 ChatGPT 协助使用 TA-Lib 计算技术指标 80 5.1.1 使用 TA-Lib 计算均线指标 .81 5.1.2 使用 TA-Lib 计算布林带指标82 5.1.3 使用 TA-Lib 计算 RSI 指标 84 5.2 让 ChatGPT 协助识别 K 线形态 .86 5.2.1 使用 TA-Lib 识别“早晨之星”形态88 5.2.2 使用 TA-Lib 识别“锤头”形态.89 5.2.3 调用 TA-Lib 全部模式识别函数识别K 线形态.91 5.3 让 ChatGPT 协助开发技术分析 面板 935.3.1 使用下拉菜单选择期货品种 .95 5.3.2 让用户选择起止日期97 5.3.3 添加技术分析指标.99 5.3.4 添加 K 线图与技术指标的可视化展示100 5.4 小结与习题 .103 第 6 章 让 ChatGPT 协助进行时间序列分析与建模 / 104 6.1 让 ChatGPT 协助进行时间序列分解 105 6.1.1 直观地观察时间序列数据的季节性模式105 6.1.2 对数据进行滚动统计107 6.1.3 使用“加法模型”进行季节性分解109 6.1.4 使用 STL 分解法进行时间序列分解111 6.2 让 ChatGPT 协助对时间序列进行平稳性检验 .113 6.2.1 对时间序列进行 ADF 检验 113 6.2.2 对时间序列进行 KPSS 检验114 6.2.3 修正时间序列的不平稳性.116 6.3 让 ChatGPT 协助进行时间序列建模 118 6.3.1 使用 ARIMA 进行建模 119 6.3.2 使用指数平滑方法进行建模 .122 6.4 小结与习题 .125 第 7 章 让 ChatGPT 协助用机器学习建模 / 126 7.1 让 ChatGPT 协助建立线性回归模型 127 7.1.1 创建最简单的模型并做出预测128 7.1.2 使用滚动时间序列交叉验证法评估模型130 7.2 让 ChatGPT 协助进行特征工程 134 7.2.1 添加均线特征并训练模型.134 7.2.2 添加滞后特征并训练模型.136 7.2.3 添加时间特征并训练模型.139 7.3 让 ChatGPT 协助使用更多机器学习算法建模 .143 7.4 小结与习题 .146 第 8 章 让 ChatGPT 协助使用多因子模型 / 147 8.1 让 ChatGPT 协助使用 CAPM 模型 148 8.1.1 CAPM 的基本原理148 8.1.2 资产和指数数据的准备 149 8.1.3 使用 CAPM 计算股票的贝塔系数150 8.2 让 ChatGPT 协助使用三因子模型 152 8.2.1 三因子模型的基本原理 152 8.2.2 三因子数据的准备.153 8.2.3 三因子模型的创建.155 8.2.4 用三因子模型对投资组合进行滚动估计157 8.3 让 ChatGPT 协助使用其他多因子模型 161 8.3.1 Carhart 四因子模型161 8.3.2 Fama-French 五因子模型.163 8.3.3 基于多因子模型调整投资组合167 8.4 小结与习题 .168 第 9 章 让 ChatGPT 协助使用 GARCH 建模 / 170 9.1 让 ChatGPT 协助探索 ARCH 模型 .171 9.1.1 ARCH 模型的基本原理.171 9.1.2 ARCH 模型的具体实现.173 9.2 让 ChatGPT 协助探索 GARCH模型 177 9.2.1 GARCH 模型的基本原理177 9.2.2 GARCH 模型的具体实现178 9.2.3 用 GARCH 模型预测未来波动率.180 9.3 让 ChatGPT 协助探索 CCC-GARCH模型 183 9.3.1 CCC-GARCH 模型的原理.183 9.3.2 CCC-GARCH 模型的实现.185 9.3.3 用 CCC-GARCH 模型预测条件协方差矩阵188 9.4 小结与习题 .190 第 10 章 让 ChatGPT 协助进行蒙特卡罗模拟 / 191 10.1 让 ChatGPT 协助掌握几何布朗运动 192 10.1.1 几何布朗运动的基本原理.192 10.1.2 定义几何布朗运动模拟函数 .194 10.1.3 使用定义好的函数模拟股价变动 197 10.2 让 ChatGPT 协助进行期权定价 199 10.2.1 期权基础知识199 10.2.2 使用蒙特卡罗模拟对欧洲期权定价 201 10.2.3 使用 LSMC 方法对美国期权定价 203 10.3 让 ChatGPT 协助估计 VaR .207 10.3.1 VaR 的基本概念 .207 10.3.2 创建虚拟的投资组合208 10.3.3 估计投资组合的 VaR 209 10.4 小结与习题 .212 第 11 章 让 ChatGPT 协助进行资产配置 / 213 11.1 让 ChatGPT 协助评估等权重投资组合 214 11.1.1 创建虚拟的投资组合214 11.1.2 使用 QuantStats 绘制业绩快照图.217 11.1.3 使用 QuantStats 生成业绩评估报告 219 11.2 让 ChatGPT 协助构建有效前沿 222 11.2.1 使用蒙特卡罗模拟寻找有效前沿 222 11.2.2 使用优化算法寻找有效前沿 .226 11.3 让 ChatGPT 协助最大化风险平衡 231 11.3.1 层次风险平价的基本原理.231 11.3.2 层次风险平价的实现232 11.4 小结与习题 .236 第 12 章 让 ChatGPT 协助回测交易策略 / 237 12.1 让 ChatGPT 协助进行向量化回测 238 12.1.1 交易信号的生成.238 12.1.2 交易策略的收益计算241 12.1.3 在交易策略中添加交易成本 .245 12.2 让 ChatGPT 协助使用 backtrader回测 246 12.2.1 小试 backtrader.247 12.2.2 backtrader 中的 Strategy 类249 12.2.3 用 backtrader 回测均线策略.250 12.3 让 ChatGPT 协助回测多空策略 254 12.3.1 基于 RSI 设计多空策略 .254 12.3.2 执行多空策略的回测256 12.4 小结与习题 .258 第 13 章 深度学习的基础知识 / 259 13.1 深度学习的一些基本概念 260 13.1.1 神经网络与神经元.260 13.1.2 神经元的激活函数.262 13.2 神经网络的训练 268 13.2.1 神经网络的损失函数269 13.2.2 反向传播与梯度下降271 13.2.3 用 TensorFlow 训练最简单的神经 网络 27313.3 一些特殊的神经网络 .276 13.3.1 循环神经网络276 13.3.2 长短期记忆网络.280 13.3.3 卷积神经网络283 13.4 小结与习题 .286 第 14 章 深度学习在金融领域的应用探索 / 287 14.1 用神经网络预测金融市场 288 14.1.1 使用 LSTM 预测期货价格 .288 14.1.2 使用归一化处理数据并训练模型 292 14.1.3 使用 LSTM 预测收益 295 14.2 用神经网络预测市场方向 299 14.2.1 将任务转化为二分类问题.299 14.2.2 创建 CNN 模型并训练.301 14.2.3 添加一些技术指标作为特征 .304 14.3 设计交易策略并回测 .308 14.4 小结与习题 .310 第 15 章 利用生成式 AI 进行选股和分配权重 311 15.1 生成式 AI 用于投资组合选择的研究 312 15.1.1 生成式 AI 与其“幻觉” 312 15.1.2生成式 AI 与大语言模型 314 15.2 使用大语言模型荐股 .315 15.2.1 领先基金的投资原则315 15.2.2宏观经济形势分析.317 15.2.3 根据经济形势研判进行股票选择 319 15.3 为投资组合分配权重 .323 15.3.1 ChatGPT 提供的权重分配323 15.3.2使用传统优化方法计算权重分配 326 15.3.3文心一言提供的权重分配.328 15.4 小结与习题 .332 结束语 / 333