扫一扫
关注中图网
官方微博
>
AI驱动下的量化策略构建 微课视频版
本类五星书更多>
-
>
(精)方力钧作品图录
-
>
《藏书报》2021合订本
-
>
中外性文物大观
-
>
马克思主义经典著作解读丛书·探索人类解放的新路径《1844年经济学哲学手稿》解读
-
>
襄阳府志(九品)
-
>
奇思妙想创意玩具书(精装4册)
-
>
大慈恩寺
AI驱动下的量化策略构建 微课视频版 版权信息
- ISBN：9787302671947
- 条形码：9787302671947 ; 978-7-302-67194-7
- 装帧：平装-胶订
- 册数：暂无
- 重量：暂无
- 所属分类：
AI驱动下的量化策略构建 微课视频版 本书特色
系统介绍了如何将人工智能技术应用于量化投资策略的各个环节,包括投资研究、数据挖掘、策略构建、回测、实盘交易等,展现了AI在量化领域的广阔应用前景。
不仅阐述了AI在量化策略驱动上的理论基础,更提供了丰富的实战案例分析和代码示例,确保读者能够学以致用,真正将AI技术应用于实践中。
全面讲解了常见的量化策略类型,如做市、套利、CTA、多因子选股等,分析了这些策略的原理、变化及建模方法。
介绍了基于深度学习、强化学习等AI技术构建做市、套利等策略的创新方法,为传统量化投资开拓了新思路。
整体结构由浅入深,先从量化投资的基本概念出发,再到学术研究,*后落实到实战操作,循序渐进,确保读者能够全面系统地掌握相关知识。
由资深量化投资从业者和AI专家合作撰写,理论与实践并重,观点前沿权威,对于想深入了解AI时代量化投资的读者很有价值。
AI驱动下的量化策略构建 微课视频版 内容简介
本书主要利用AI发现和构建有效的量化策略，旨在使读者掌握AI在量化策略中的应用。随着2023年大模型的崛起，投资者需要学会与AI共生，建立个人知识库和灵活应用提示词工程（Prompt Engineering），让AI协助寻找论文、理解论文、编写代码、构建模型、训练模型、生成信号、特征识别、投资组合优化和参数优化等。AI在高质量人群的量化行业中将得到广泛应用和发展，让更多读者能掌握编程和量化技能，从而在AI的帮助下快速开发出适应市场的量化策略。
本书共10章，涵盖量化投资中AI的历史演进、投研平台的构建、量化策略的开发流程、策略分类和介绍、市场主流策略开发、策略回测和实盘准备等内容。书中提供丰富的示例代码，具有较强的实践性和系统性，并配有高等数学、金融工程和计算机科学技术等前置知识，以帮助读者深入理解量化投资策略。
本书适合量化进阶者，也对有经验的策略研究员有参考价值，同时可作为高校和培训机构相关专业的教学参考书。
AI驱动下的量化策略构建 微课视频版 目录
教学课件（PPT）
本书源码
第1章AI量化投资简介与本书导读(36min) 1.1量化投资简介 1.1.1量化投资定义 1.1.2量化投资特点 1.1.3量化投资优势 1.1.4量化投资发展历程 1.2AI简介 1.2.1AI发展简介 1.2.2人工智能算法简介 1.2.3AI应用现状 1.2.4ChatGPT演进历程与金融应用 1.3研究背景及意义 1.3.1普通投资者业绩现状 1.3.2普通投资者如何改变现状 1.3.3AI驱动加速量化策略研发 1.4量化人的知识结构 1.5配套的资料 第2章量化投研平台搭建(14min) 2.1量化投研平台简介 2.2投研平台常用模块简介 2.2.1数据库模块简介 2.2.2常用在线数据库 2.2.3常用本地数据库 2.2.4策略构建模块简介 2.2.5策略回测模块简介 2.3投研平台实例： BigQuant 2.3.1量化数据库模块实例 2.3.2策略构建模块实例 2.4常见投研平台与开源框架介绍 2.4.1常见投研平台 2.4.2常见开源框架 第3章人工智能时代下的量化策略开发(25min) 3.1证券交易发展历程 3.2AI时代的量化策略开发与传统量化策略开发比较 3.2.1传统策略开发的问题 3.2.2AI驱动量化策略开发的特点 3.2.3策略开发流程异同 3.3AI技术在量化开发场景下的应用 3.3.1策略灵感来源 3.3.2策略解读与编码 3.3.3数据获取 3.3.4数据表征与模型构建 3.3.5策略调优 3.3.6业绩归因分析 3.4AI驱动下的知识库搭建 3.4.1LangChain简介 3.4.2建立向量数据库 3.4.3寻找高质量论文并下载 3.4.4利用ChatGPT进行批量论文粗读 3.4.5利用ChatPDF进行论文精读 3.4.6建立私有知识库并进行交互 第4章常见量化策略的分类与介绍(14min) 4.1量化策略分类方式 4.2经典策略类型概述 4.2.1CTA策略概述 4.2.2套利策略概述 4.2.3做市策略概述 4.2.4多因子策略概述 第5章做市策略(31min) 5.1做市的基本概念 5.2高频做市策略 5.3做市策略的收益来源 5.4经典做市策略AS模型 5.4.1模型推导 5.4.2AS模型通俗解读与应用 5.4.3AS模型工程化实现 5.5经典做市策略GP模型 5.5.1马尔可夫链 5.5.2马尔可夫链的性质 5.5.3泊松过程与Cox过程 5.5.4鞅参考价格 5.5.5列维过程 5.5.6GP模型通俗解读 5.5.7基于动态规划方法的高频做市策略模型GP模型 5.6订单簿的泊松过程建模 5.6.1文献综述 5.6.2问题引入 5.6.3限价订单簿随机过程模型 5.6.4泊松过程模型的应用效果 5.7订单簿信息作为交易信号 5.7.1开仓逻辑 5.7.2平仓逻辑 5.7.3回测结果 5.7.4订单流与消息面的关系 5.8订单簿的机器学习模型 5.8.1订单簿的DeepLOB模型 5.8.2模型的应用 5.8.3模型的效果 5.9强化学习 5.9.1强化学习简介 5.9.2强化学习基本概念 5.9.3马尔可夫决策过程 5.9.4贝尔曼方程 5.9.5贝尔曼*优方程 5.10模型介绍 5.10.1数据准备 5.10.2特征工程 5.10.3模型准备 5.10.4模型训练 第6章套利策略(18min) 6.1套利策略概述 6.2标的筛选 6.2.1距离法 6.2.2协整法 6.2.3收益率相关性 6.2.4聚类 6.2.5PCA 6.3预测择时 6.3.1时间序列法 6.3.2强化学习法 6.4Copula法 6.4.1Copula简介 6.4.2Copula的理论概述 6.4.3常见的Copula类型 6.4.4交易策略构建 6.5风险管理 6.6总结 第7章CTA策略(22min) 7.1CTA策略简介 7.1.1CTA的定义 7.1.2CTA策略的投资标的 7.1.3CTA主流操盘策略介绍 7.2CTA策略的重要性 7.2.1CTA策略的危机Alpha属性 7.2.2CTA策略的灵活性与高回报性 7.2.3CTA策略的缺点 7.3CTA策略的业绩表现 7.3.1海外CTA基金规模 7.3.2国内CTA基金发展现状 7.3.3国内CTA基金业绩表现 7.4趋势跟踪策略 7.4.1趋势跟踪策略的逻辑 7.4.2趋势跟踪策略模型 7.4.3经典趋势跟踪策略 7.4.4案例： 趋势跟踪策略 7.5TALib金融量化技术分析库介绍 7.5.1TALib简要介绍 7.5.2常用的技术指标及解释 7.5.3使用TALib库实现技术指标 7.6期货截面多因子策略 7.6.1期货截面多因子策略的逻辑 7.6.2八大类期货截面因子 7.6.3期货多因子策略案例 7.7网格策略介绍 7.7.1网格策略的逻辑 7.7.2网格交易的收益来源 7.7.3网格交易法步骤 7.7.4网格交易的问题 7.7.5动态网格设置 7.7.6网格交易仓位管理 7.7.7网格策略案例 7.7.8笔者寄语 7.8风险管理和资金分配 7.8.1品种选择 7.8.2杠杆控制 7.8.3资金分配 7.8.4风险控制 7.9使用Optuna Vectorbt调优交易策略 7.9.1Optuna基础 7.9.2Vectorbt基础 7.9.3Optuna 案例分析 7.9.4使用Vectorbt进行回测 7.9.5使用Optuna进行交易策略优化 第8章多因子选股策略(21min) 8.1中国股市简介 8.2选股策略概述 8.2.1资本性资产定价模型 8.2.2FamaFrench三因子模型 8.2.3Barra因子模型 8.2.4模型关联 8.3经典选股因子 8.3.1市场因子 8.3.2财务因子 8.3.3行业因子 8.3.4技术因子 8.3.5情绪因子 8.4因子组合方法 8.4.1相关定义 8.4.2等权法 8.4.3历史因子收益率(半衰)加权法 8.4.4历史因子半衰加权法 8.4.5*大化 IC_IR 加权法 8.4.6*大化 IC 加权法 8.4.7主成分分析法 8.4.8机器学习法 8.5案例： 多因子选股 8.5.1因子挖掘概述 8.5.2单因子测试体系 8.5.3市场风格与因子监测体系 8.5.4收益因子基本模块与性质 8.5.5因子挖掘基本方法 8.5.6量价因子挖掘案例 8.5.7高频因子挖掘案例 8.5.8基本面因子挖掘案例 第9章量化回测(12min) 9.1量化回测简介 9.1.1量化回测的定义 9.1.2量化回测的目的和意义 9.2量化回测的准备工作 9.3回测平台选择 9.4量化回测 9.4.1回测引擎介绍 9.4.2策略回测架构 9.4.3常见对象说明 9.4.4回测引擎API 9.4.5重要API介绍 9.5量化回测结果分析 9.5.1收益概况 9.5.2绩效分析 9.5.3交易及持仓 9.6量化回测经典案例 9.6.1买入并持有策略 9.6.2基金双均线策略 9.6.3可转债双低策略 9.6.4AS模型做市策略 9.6.5跨期套利策略 9.6.6期货海龟交易策略 9.6.7期货布林带趋势策略 9.6.8基于小市值的因子选股策略 9.7量化回测注意事项 9.7.1理解回测的目的和意义 9.7.2数据准备和清洗 9.7.3策略参数优化 9.7.4交易成本、滑点、实盘一致性处理 9.7.5其他量化回测中常见的坑 9.7.6风险控制与资金管理 第10章实盘准备(20min) 10.1了解交易市场 10.2了解交易所的规则 10.2.1中国股票市场交易规则 10.2.2中国期货市场交易规则 10.3经纪商的选择 10.3.1股票经纪商 10.3.2期货经纪商 10.4选择交易标的 10.4.1股票交易标的选择 10.4.2期货交易标的选择 10.5交易平台的选择 10.6交易柜台的选择 10.7交易网络的选择 10.8服务器的选择 10.9高频交易的终极选择 10.10交易中的风险控制 10.11了解你自己 10.12总结与展望 10.12.1总结 10.12.2展望 10.12.3寄语 参考文献
本书源码
第1章AI量化投资简介与本书导读(36min) 1.1量化投资简介 1.1.1量化投资定义 1.1.2量化投资特点 1.1.3量化投资优势 1.1.4量化投资发展历程 1.2AI简介 1.2.1AI发展简介 1.2.2人工智能算法简介 1.2.3AI应用现状 1.2.4ChatGPT演进历程与金融应用 1.3研究背景及意义 1.3.1普通投资者业绩现状 1.3.2普通投资者如何改变现状 1.3.3AI驱动加速量化策略研发 1.4量化人的知识结构 1.5配套的资料 第2章量化投研平台搭建(14min) 2.1量化投研平台简介 2.2投研平台常用模块简介 2.2.1数据库模块简介 2.2.2常用在线数据库 2.2.3常用本地数据库 2.2.4策略构建模块简介 2.2.5策略回测模块简介 2.3投研平台实例： BigQuant 2.3.1量化数据库模块实例 2.3.2策略构建模块实例 2.4常见投研平台与开源框架介绍 2.4.1常见投研平台 2.4.2常见开源框架 第3章人工智能时代下的量化策略开发(25min) 3.1证券交易发展历程 3.2AI时代的量化策略开发与传统量化策略开发比较 3.2.1传统策略开发的问题 3.2.2AI驱动量化策略开发的特点 3.2.3策略开发流程异同 3.3AI技术在量化开发场景下的应用 3.3.1策略灵感来源 3.3.2策略解读与编码 3.3.3数据获取 3.3.4数据表征与模型构建 3.3.5策略调优 3.3.6业绩归因分析 3.4AI驱动下的知识库搭建 3.4.1LangChain简介 3.4.2建立向量数据库 3.4.3寻找高质量论文并下载 3.4.4利用ChatGPT进行批量论文粗读 3.4.5利用ChatPDF进行论文精读 3.4.6建立私有知识库并进行交互 第4章常见量化策略的分类与介绍(14min) 4.1量化策略分类方式 4.2经典策略类型概述 4.2.1CTA策略概述 4.2.2套利策略概述 4.2.3做市策略概述 4.2.4多因子策略概述 第5章做市策略(31min) 5.1做市的基本概念 5.2高频做市策略 5.3做市策略的收益来源 5.4经典做市策略AS模型 5.4.1模型推导 5.4.2AS模型通俗解读与应用 5.4.3AS模型工程化实现 5.5经典做市策略GP模型 5.5.1马尔可夫链 5.5.2马尔可夫链的性质 5.5.3泊松过程与Cox过程 5.5.4鞅参考价格 5.5.5列维过程 5.5.6GP模型通俗解读 5.5.7基于动态规划方法的高频做市策略模型GP模型 5.6订单簿的泊松过程建模 5.6.1文献综述 5.6.2问题引入 5.6.3限价订单簿随机过程模型 5.6.4泊松过程模型的应用效果 5.7订单簿信息作为交易信号 5.7.1开仓逻辑 5.7.2平仓逻辑 5.7.3回测结果 5.7.4订单流与消息面的关系 5.8订单簿的机器学习模型 5.8.1订单簿的DeepLOB模型 5.8.2模型的应用 5.8.3模型的效果 5.9强化学习 5.9.1强化学习简介 5.9.2强化学习基本概念 5.9.3马尔可夫决策过程 5.9.4贝尔曼方程 5.9.5贝尔曼*优方程 5.10模型介绍 5.10.1数据准备 5.10.2特征工程 5.10.3模型准备 5.10.4模型训练 第6章套利策略(18min) 6.1套利策略概述 6.2标的筛选 6.2.1距离法 6.2.2协整法 6.2.3收益率相关性 6.2.4聚类 6.2.5PCA 6.3预测择时 6.3.1时间序列法 6.3.2强化学习法 6.4Copula法 6.4.1Copula简介 6.4.2Copula的理论概述 6.4.3常见的Copula类型 6.4.4交易策略构建 6.5风险管理 6.6总结 第7章CTA策略(22min) 7.1CTA策略简介 7.1.1CTA的定义 7.1.2CTA策略的投资标的 7.1.3CTA主流操盘策略介绍 7.2CTA策略的重要性 7.2.1CTA策略的危机Alpha属性 7.2.2CTA策略的灵活性与高回报性 7.2.3CTA策略的缺点 7.3CTA策略的业绩表现 7.3.1海外CTA基金规模 7.3.2国内CTA基金发展现状 7.3.3国内CTA基金业绩表现 7.4趋势跟踪策略 7.4.1趋势跟踪策略的逻辑 7.4.2趋势跟踪策略模型 7.4.3经典趋势跟踪策略 7.4.4案例： 趋势跟踪策略 7.5TALib金融量化技术分析库介绍 7.5.1TALib简要介绍 7.5.2常用的技术指标及解释 7.5.3使用TALib库实现技术指标 7.6期货截面多因子策略 7.6.1期货截面多因子策略的逻辑 7.6.2八大类期货截面因子 7.6.3期货多因子策略案例 7.7网格策略介绍 7.7.1网格策略的逻辑 7.7.2网格交易的收益来源 7.7.3网格交易法步骤 7.7.4网格交易的问题 7.7.5动态网格设置 7.7.6网格交易仓位管理 7.7.7网格策略案例 7.7.8笔者寄语 7.8风险管理和资金分配 7.8.1品种选择 7.8.2杠杆控制 7.8.3资金分配 7.8.4风险控制 7.9使用Optuna Vectorbt调优交易策略 7.9.1Optuna基础 7.9.2Vectorbt基础 7.9.3Optuna 案例分析 7.9.4使用Vectorbt进行回测 7.9.5使用Optuna进行交易策略优化 第8章多因子选股策略(21min) 8.1中国股市简介 8.2选股策略概述 8.2.1资本性资产定价模型 8.2.2FamaFrench三因子模型 8.2.3Barra因子模型 8.2.4模型关联 8.3经典选股因子 8.3.1市场因子 8.3.2财务因子 8.3.3行业因子 8.3.4技术因子 8.3.5情绪因子 8.4因子组合方法 8.4.1相关定义 8.4.2等权法 8.4.3历史因子收益率(半衰)加权法 8.4.4历史因子半衰加权法 8.4.5*大化 IC_IR 加权法 8.4.6*大化 IC 加权法 8.4.7主成分分析法 8.4.8机器学习法 8.5案例： 多因子选股 8.5.1因子挖掘概述 8.5.2单因子测试体系 8.5.3市场风格与因子监测体系 8.5.4收益因子基本模块与性质 8.5.5因子挖掘基本方法 8.5.6量价因子挖掘案例 8.5.7高频因子挖掘案例 8.5.8基本面因子挖掘案例 第9章量化回测(12min) 9.1量化回测简介 9.1.1量化回测的定义 9.1.2量化回测的目的和意义 9.2量化回测的准备工作 9.3回测平台选择 9.4量化回测 9.4.1回测引擎介绍 9.4.2策略回测架构 9.4.3常见对象说明 9.4.4回测引擎API 9.4.5重要API介绍 9.5量化回测结果分析 9.5.1收益概况 9.5.2绩效分析 9.5.3交易及持仓 9.6量化回测经典案例 9.6.1买入并持有策略 9.6.2基金双均线策略 9.6.3可转债双低策略 9.6.4AS模型做市策略 9.6.5跨期套利策略 9.6.6期货海龟交易策略 9.6.7期货布林带趋势策略 9.6.8基于小市值的因子选股策略 9.7量化回测注意事项 9.7.1理解回测的目的和意义 9.7.2数据准备和清洗 9.7.3策略参数优化 9.7.4交易成本、滑点、实盘一致性处理 9.7.5其他量化回测中常见的坑 9.7.6风险控制与资金管理 第10章实盘准备(20min) 10.1了解交易市场 10.2了解交易所的规则 10.2.1中国股票市场交易规则 10.2.2中国期货市场交易规则 10.3经纪商的选择 10.3.1股票经纪商 10.3.2期货经纪商 10.4选择交易标的 10.4.1股票交易标的选择 10.4.2期货交易标的选择 10.5交易平台的选择 10.6交易柜台的选择 10.7交易网络的选择 10.8服务器的选择 10.9高频交易的终极选择 10.10交易中的风险控制 10.11了解你自己 10.12总结与展望 10.12.1总结 10.12.2展望 10.12.3寄语 参考文献
展开全部
AI驱动下的量化策略构建 微课视频版 作者简介
江建武，同济大学硕士，同济大学经管学院MBA校友导师，资深工程师，二十多年IT从业经验。2006年进入量化行业，现与金融机构、BigQuant及高校共创AI量化实验室，并以高频交易dragon自媒体账户发起Dragon量化社区，目前社区拥有职业交易者超万人，初步建成量化生态圈，含数据供应商、经纪商、FOF、MOM、策略研发和交易框架等。
季枫，清华大学硕士，Dragon量化社区核心成员，9年以上互联网/量化交易行业经验，熟悉高频交易，CTA策略等多种策略的设计实践，国内头部资管从业者。
梁举，北京大学文物保护和计算机软件双学士，15年以上互联网/AI行业经验。曾任微软亚洲研究院高级研发工程师，负责Bing全球40 国家的新闻和实时搜索核心算法，通过大规模机器学习等AI技术将搜索质量提升到业界领先水平。现为成都宽邦科技有限公司的创始人兼CEO，研发人工智能基础技术，应用于金融、教育等行业。
书友推荐
本类畅销
-
4.23文创礼盒A款--“作家言我精神状态”
¥42.3¥206 -
4.23文创礼盒B款--“作家言我精神状态”
¥42.3¥206 -
一句顶一万句 (印签版)
¥40.4¥68 -
百年书评史散论
¥14.9¥38 -
1980年代:小说六记
¥52.8¥69 -
中图网经典初版本封面-“老人与海”冰箱贴
¥20¥40
