相關商品
商品簡介
作者簡介
序
目次
商品簡介
本書是國內較早關於TensorFlow大數據與量化交易的原創圖書，配合zwPython開發平臺和zwQuant開源量化軟件學習，是一套完整的大數據分析、量化交易的學習教材，可直接用於實盤交易。本書有三大特色：第一，以實盤個案分析為主，全程配有Python代碼；第二，包含大量的圖文案例和Python源碼，無須專業編程基礎，懂Excel即可開始學習；第三，配有專業的zwPython集成開發平臺、zwQuant量化軟件和zwDat數據包。
作者簡介
何海群，網名：字王，CHRD前海智庫CTO，《中華大字庫》發明人，20年人工智能從業經驗；zwPython開發平臺、TopQuant.vip極寬量化系統設計師，中國“Python創客”項目發起人，國內Python量化項目的啟蒙者和開拓者：《Python量化實盤．魔鬼訓練營》，Top極寬量化開源團隊的創始人。2018年于深圳華僑城創意園，啟動太和極寬金融孵化基地：金融、科技、藝術三位一體。研究成果有：BigQuant理論架構：Python量化+數字貨幣+人工智能；“小數據”理論，GPU超算工作站、MTRD多節點超算集群算法、“1+N”網絡傳播模型、人工智能“足彩圖靈法則”等；論文《人工智能與中文字型設計》是中文字庫行業三大基礎建模理論之一。
序
推 薦 序
AlphaGo與柯潔的黑白大戰，因為對陣的一方是中國頂級圍棋高手柯潔，所以引起國人的高度關注。利用百度搜索引擎輸入AlphaGo，一度可以得出7000多萬條搜索結果，這遠遠高於其他熱門詞條。
事實上，AlphaGo只是Google擁有的兩套人工智能系統中的一套。它是Google 2014年收購的DeepMind的人工智能系統，專注于棋賽開發。Google的另外一套人工智能系統就是本書介紹的TensorFlow系統。
在TensorFlow等人工智能系統出現之前，計算機所做的事情往往是簡單重複的。計算機會按照人類編好的既定程序，簡單重複、按部就班地運行，沒有超越人類事先為其設定的思維邊界。
計算機與人類的大腦相比，根本的區別在於不具備學習和創新能力。
計算機頂多也就是記憶的信息多，重複計算的速度快，不受情緒的影響等。但是，在TensorFlow等人工智能系統出現之後，計算機所做的事情除簡單重複運行之外，更重要的是其具備了一定的自我學習和創新能力。
TensorFlow等人工智能系統使得計算機在一定程度上能夠自主學習，自我提高，總結過去的經驗，汲取以往的教訓，具備一定的創新性。這一點在AlphaGo與柯潔對壘的3場棋局的結果中不難看出。
這正是以AlphaGo和TensorFlow為代表的人工智能系統區別於以往任何計算機技術的關鍵所在，也是TensorFlow被稱為互聯網以來唯一的“黑科技”項目的原因。
具備了一定的自我學習和創造能力的人工智能系統的出現，將對經濟系統的各個領域產生重大影響。筆者有著超過20年境內外金融行業從業經歷，將從一個側面分享人工智能對金融領域的影響。
從整個金融業的歷史沿革來看，這大致經歷了4個階段：純人工階段、單機電腦階段、互聯網（含移動互聯網）階段和人工智能階段。
隨著每個階段的漸次演進，提供金融服務一方的人力成本投入在逐漸減少，提供金融服務的效率在提高；對於接受金融服務的一方來說，金融服務的可獲得性，以及便捷程度在逐漸增加，金融服務越來越圍繞著人進行，以人為中心的全方位的社會經濟服務體系正在形成。
在金融服務體系中，銀行服務、證券服務、保險服務等的內部界限開始變得模糊，金融服務與其他非金融的社會經濟服務之間的界限開始變得不清。
特別是金融業進入人工智能階段之後，人工智能系統將接受金融服務一方的身份特徵數據、交易數據和行為數據等大數據，進行實時分析和動態跟蹤，以遠低於人工成本的成本，為每個人建立一個基於生命週期的綜合金融模型，對每個人未來的金融行為進行預測，自動為他們提供賬戶資金管理、貨幣兌換、證券買賣、保險購買、購房購車計劃、旅行休閒、子女教育、養老規劃等方面的金融建議和授權代理操作，並將模型預測結果與實際情況相比對，自主學習和修正模型，以便更加貼合接受金融服務一方的真實金融意圖，使得人工智能模型的預測建議和人的實際金融行為無限接近。
由此人類將從日常繁雜的各種金融交易中解放出來，投身到更需要自己或自己更感興趣的方面。
展望未來，人工智能的應用前景無限美好；探尋當下，人工智能在世界各地的各行各業方興未艾。
千里之行，始於足下。何海群先生的《零起點TensorFlow與量化交易》是有志於人工智能領域的IT人士的一塊敲門磚和鋪路石。
祝願人工智能在華夏大地生根發芽，開花結果。
梁 忠
梁忠：中國人民大學財政金融系博士，曾任裡昂證券CLSA分析員；瑞銀證券UBSS董事，財富管理中國研究部主管；瑞士信貸（香港）有限公司中國研究部董事；瑞信方正證券執行董事，研究部主管，具有20年國際頂級金融機構從業經歷。
前 言
感謝梁忠先生在百忙之中為本書撰寫序言。以TensorFlow為代表的神經網絡，被視為自互聯網以來唯一的“黑科技”，無遠弗屆，無分行業領域，對社會各界從上至下帶來徹底的顛覆與革命。
梁忠先生作為非IT領域的學者、專家，從第三方角度，冷靜地觀察這場數字革命，同時向更多的大眾介紹這場革命的火花，推動行業變革，功莫大焉。
隨著類似於Titanic數據集案例、梵高畫風等一系列，基於TensorFlow等神經網絡、深度學習項目的不斷湧現，未來的各個學科都會結合人工智能（AI），進行新的學術重組。
“Python量化三部曲”
“Python量化三部曲”包括：
? 《零起點Python大數據與量化交易》（入門課程）
? 《零起點機器學習與量化交易》（重點分析SKLearn）
? 《零起點TensorFlow與量化交易》（重點分析TensorFlow）
此外，還有幾部補充作品：
? 《零起點Python足彩大數據與機器學習實盤分析》
? 《零起點Python機器學習快速入門》
? 《零起點TensorFlow快速入門》
? 《MXNet神經網絡與量化交易》
? 《Plotly可視化數據分析》
本書是《零起點TensorFlow快速入門》的後續之作，原本是TopQuant.vip極寬量化培訓課程高級班的教學課件，為了節省篇幅，刪除了Python基礎教程，以及SKLearn、TensorFlow等機器學習方面的入門內容。沒有經驗的讀者，建議先閱讀《零起點Python機器學習快速入門》《零起點TensorFlow快速入門》，再開始本書的學習，這樣會收到事半功倍的效果。
本書是目前較好的TensorFlow神經網絡與量化分析入門教程：
? 無需任何理論基礎，全程採用MBA案例模式，懂Excel就可看懂本書。
? 獨創的逆向式課件模式，結合TensorBoard可視化系統，案例、圖表優先，層層剖析。
? 系統介紹TensorFlow在金融量化領域的具體應用，提供多組配套案例。
? 全套神經網絡股票趨勢預測、股票價格預測案例源碼。
? TDS金融數據集的創建與使用。
? 三位一體的課件模式：圖書+開發平臺+成套的教學案例，系統講解，逐步深入。
本書採用獨創的黑箱模式、MBA案例教學機制，結合大量的經典案例，介紹TensorFlow系統和常用的深度學習算法、神經網絡模型，以及它們在量化分析當中的具體應用。
進一步學習
讀者如有興趣可以進一步學習“Python量化三部曲”的內容，以及《零起點Python足彩大數據與機器學習實盤分析》。
機器學習、人工智能、金融量化，它們的基本原理是相通的，本質上都是數據分析。對於“Python量化三部曲”的讀者而言，本書也有很大的價值，特別是對於第一部入門課程的讀者。
Python量化回溯與TensorFlow、PyTorch、MXNet等神經網絡深度學習平臺，都是近年來興起的科技前沿領域，有關的理論、平臺、工具目前還處於摸索階段。“Python量化三部曲”圖書和TopQuant.vip極寬智能量化系統，只是在這些領域的起步階段，作為入門教程，抛磚引玉。
本書中的案例、程序以教學為主，進行了很多簡化，以便大家能夠快速理解相關內容，用最短的時間，瞭解Python量化回溯的整個流程，以及數據分析、機器學習、神經網絡在這些領域的應用操作技巧。
神經網絡、深度學習在量化實盤當中的應用，是目前全世界都在研究的頂尖課題，當前尚未有很好的模型與應用案例。
本書僅僅作為入門課程，具體的實盤策略，有待廣大讀者通過進一步深入學習TensorFlow、PyTorch、MXNet等新一代深度學習平臺來獲得。
最重要的是，還有待廣大的一線實盤操作人員結合專業的金融操盤經驗，與各種神經網絡模型融會貫通，構建更加符合金融量化實際應用的神經網絡模型，從而獲得更好的投資回報。
網絡資源
為避免版本衝突，建議本書的讀者下載zwPython 2018m1版本的軟件和最新版本的《零起點TensorFlow與量化交易》配套課件程序，作為配套學習課件。配套程序的下載地址是http://www.broadview.com.cn/33584。
使用其他Python運行環境如Linux、Mac平臺的讀者，請儘量使用Python 3.5和TensorFlow 1.1版本，並自行安裝所需的其他模塊庫。
此外，需要注意的是，讀者在運行書中案例時得到的結果，可能與本書略有差別，甚至多次運行同一個案例的結果也會有所差異，這屬�正常情況。因為TensorFlow等深度學習系統，內部都使用了隨機數作為種子數，用於系統變量初始化等操作，每次分析的起點或者中間參數都有所不同。
本書的案例程序已經做過優化處理，不需要GPU顯卡，全部支持單CPU平臺。不過，為了提高運行效率，筆者建議儘量使用NVIDA公司最新一代的GPU顯卡。
目前是大數據、人工智能+時代，在這樣的時代，計算力=生產力。
與本書相關的網絡資源如下。
? 網站：http://www.TopQuant.vip http://www.ziwang.com。
? 網盤地址：http://pan.baidu.com/s/1jIg944u。
? 極寬量化QQ群：總群，124134140；QQ 2群，650924099；QQ 3群，450853713。
? 技術Blog：http://blog.sina.com.cn/zbrow。
? 字王Git項目總覽：https://github.com/ziwang-com/，包括：字王4k雲字庫、zwPython、zwpy_lst。
與本書相關的程序和數據下載，請瀏覽網站：TopQuant.vip極寬量化社區，在網站的“下載中心”有最新的程序和數據下載地址。
本書在TopQuant.vip極寬量化網站設有專欄，若對本書、人工智能和機器學習有任何建議，請在網站專欄或QQ群留言，我們會在第一時間進行反饋和答覆。
TopQuant極寬量化網站“資源中心”的網址：
http://www.topquant.vip/?p=56
http://ziwang.com/
致謝
本書的出版要特別感謝電子工業出版社的黃愛萍和葛娜編輯，感謝她們在選題策劃和稿件整理方面做出
AlphaGo與柯潔的黑白大戰，因為對陣的一方是中國頂級圍棋高手柯潔，所以引起國人的高度關注。利用百度搜索引擎輸入AlphaGo，一度可以得出7000多萬條搜索結果，這遠遠高於其他熱門詞條。
事實上，AlphaGo只是Google擁有的兩套人工智能系統中的一套。它是Google 2014年收購的DeepMind的人工智能系統，專注于棋賽開發。Google的另外一套人工智能系統就是本書介紹的TensorFlow系統。
在TensorFlow等人工智能系統出現之前，計算機所做的事情往往是簡單重複的。計算機會按照人類編好的既定程序，簡單重複、按部就班地運行，沒有超越人類事先為其設定的思維邊界。
計算機與人類的大腦相比，根本的區別在於不具備學習和創新能力。
計算機頂多也就是記憶的信息多，重複計算的速度快，不受情緒的影響等。但是，在TensorFlow等人工智能系統出現之後，計算機所做的事情除簡單重複運行之外，更重要的是其具備了一定的自我學習和創新能力。
TensorFlow等人工智能系統使得計算機在一定程度上能夠自主學習，自我提高，總結過去的經驗，汲取以往的教訓，具備一定的創新性。這一點在AlphaGo與柯潔對壘的3場棋局的結果中不難看出。
這正是以AlphaGo和TensorFlow為代表的人工智能系統區別於以往任何計算機技術的關鍵所在，也是TensorFlow被稱為互聯網以來唯一的“黑科技”項目的原因。
具備了一定的自我學習和創造能力的人工智能系統的出現，將對經濟系統的各個領域產生重大影響。筆者有著超過20年境內外金融行業從業經歷，將從一個側面分享人工智能對金融領域的影響。
從整個金融業的歷史沿革來看，這大致經歷了4個階段：純人工階段、單機電腦階段、互聯網（含移動互聯網）階段和人工智能階段。
隨著每個階段的漸次演進，提供金融服務一方的人力成本投入在逐漸減少，提供金融服務的效率在提高；對於接受金融服務的一方來說，金融服務的可獲得性，以及便捷程度在逐漸增加，金融服務越來越圍繞著人進行，以人為中心的全方位的社會經濟服務體系正在形成。
在金融服務體系中，銀行服務、證券服務、保險服務等的內部界限開始變得模糊，金融服務與其他非金融的社會經濟服務之間的界限開始變得不清。
特別是金融業進入人工智能階段之後，人工智能系統將接受金融服務一方的身份特徵數據、交易數據和行為數據等大數據，進行實時分析和動態跟蹤，以遠低於人工成本的成本，為每個人建立一個基於生命週期的綜合金融模型，對每個人未來的金融行為進行預測，自動為他們提供賬戶資金管理、貨幣兌換、證券買賣、保險購買、購房購車計劃、旅行休閒、子女教育、養老規劃等方面的金融建議和授權代理操作，並將模型預測結果與實際情況相比對，自主學習和修正模型，以便更加貼合接受金融服務一方的真實金融意圖，使得人工智能模型的預測建議和人的實際金融行為無限接近。
由此人類將從日常繁雜的各種金融交易中解放出來，投身到更需要自己或自己更感興趣的方面。
展望未來，人工智能的應用前景無限美好；探尋當下，人工智能在世界各地的各行各業方興未艾。
千里之行，始於足下。何海群先生的《零起點TensorFlow與量化交易》是有志於人工智能領域的IT人士的一塊敲門磚和鋪路石。
祝願人工智能在華夏大地生根發芽，開花結果。
梁 忠
梁忠：中國人民大學財政金融系博士，曾任裡昂證券CLSA分析員；瑞銀證券UBSS董事，財富管理中國研究部主管；瑞士信貸（香港）有限公司中國研究部董事；瑞信方正證券執行董事，研究部主管，具有20年國際頂級金融機構從業經歷。
前 言
感謝梁忠先生在百忙之中為本書撰寫序言。以TensorFlow為代表的神經網絡，被視為自互聯網以來唯一的“黑科技”，無遠弗屆，無分行業領域，對社會各界從上至下帶來徹底的顛覆與革命。
梁忠先生作為非IT領域的學者、專家，從第三方角度，冷靜地觀察這場數字革命，同時向更多的大眾介紹這場革命的火花，推動行業變革，功莫大焉。
隨著類似於Titanic數據集案例、梵高畫風等一系列，基於TensorFlow等神經網絡、深度學習項目的不斷湧現，未來的各個學科都會結合人工智能（AI），進行新的學術重組。
“Python量化三部曲”
“Python量化三部曲”包括：
? 《零起點Python大數據與量化交易》（入門課程）
? 《零起點機器學習與量化交易》（重點分析SKLearn）
? 《零起點TensorFlow與量化交易》（重點分析TensorFlow）
此外，還有幾部補充作品：
? 《零起點Python足彩大數據與機器學習實盤分析》
? 《零起點Python機器學習快速入門》
? 《零起點TensorFlow快速入門》
? 《MXNet神經網絡與量化交易》
? 《Plotly可視化數據分析》
本書是《零起點TensorFlow快速入門》的後續之作，原本是TopQuant.vip極寬量化培訓課程高級班的教學課件，為了節省篇幅，刪除了Python基礎教程，以及SKLearn、TensorFlow等機器學習方面的入門內容。沒有經驗的讀者，建議先閱讀《零起點Python機器學習快速入門》《零起點TensorFlow快速入門》，再開始本書的學習，這樣會收到事半功倍的效果。
本書是目前較好的TensorFlow神經網絡與量化分析入門教程：
? 無需任何理論基礎，全程採用MBA案例模式，懂Excel就可看懂本書。
? 獨創的逆向式課件模式，結合TensorBoard可視化系統，案例、圖表優先，層層剖析。
? 系統介紹TensorFlow在金融量化領域的具體應用，提供多組配套案例。
? 全套神經網絡股票趨勢預測、股票價格預測案例源碼。
? TDS金融數據集的創建與使用。
? 三位一體的課件模式：圖書+開發平臺+成套的教學案例，系統講解，逐步深入。
本書採用獨創的黑箱模式、MBA案例教學機制，結合大量的經典案例，介紹TensorFlow系統和常用的深度學習算法、神經網絡模型，以及它們在量化分析當中的具體應用。
進一步學習
讀者如有興趣可以進一步學習“Python量化三部曲”的內容，以及《零起點Python足彩大數據與機器學習實盤分析》。
機器學習、人工智能、金融量化，它們的基本原理是相通的，本質上都是數據分析。對於“Python量化三部曲”的讀者而言，本書也有很大的價值，特別是對於第一部入門課程的讀者。
Python量化回溯與TensorFlow、PyTorch、MXNet等神經網絡深度學習平臺，都是近年來興起的科技前沿領域，有關的理論、平臺、工具目前還處於摸索階段。“Python量化三部曲”圖書和TopQuant.vip極寬智能量化系統，只是在這些領域的起步階段，作為入門教程，抛磚引玉。
本書中的案例、程序以教學為主，進行了很多簡化，以便大家能夠快速理解相關內容，用最短的時間，瞭解Python量化回溯的整個流程，以及數據分析、機器學習、神經網絡在這些領域的應用操作技巧。
神經網絡、深度學習在量化實盤當中的應用，是目前全世界都在研究的頂尖課題，當前尚未有很好的模型與應用案例。
本書僅僅作為入門課程，具體的實盤策略，有待廣大讀者通過進一步深入學習TensorFlow、PyTorch、MXNet等新一代深度學習平臺來獲得。
最重要的是，還有待廣大的一線實盤操作人員結合專業的金融操盤經驗，與各種神經網絡模型融會貫通，構建更加符合金融量化實際應用的神經網絡模型，從而獲得更好的投資回報。
網絡資源
為避免版本衝突，建議本書的讀者下載zwPython 2018m1版本的軟件和最新版本的《零起點TensorFlow與量化交易》配套課件程序，作為配套學習課件。配套程序的下載地址是http://www.broadview.com.cn/33584。
使用其他Python運行環境如Linux、Mac平臺的讀者，請儘量使用Python 3.5和TensorFlow 1.1版本，並自行安裝所需的其他模塊庫。
此外，需要注意的是，讀者在運行書中案例時得到的結果，可能與本書略有差別，甚至多次運行同一個案例的結果也會有所差異，這屬�正常情況。因為TensorFlow等深度學習系統，內部都使用了隨機數作為種子數，用於系統變量初始化等操作，每次分析的起點或者中間參數都有所不同。
本書的案例程序已經做過優化處理，不需要GPU顯卡，全部支持單CPU平臺。不過，為了提高運行效率，筆者建議儘量使用NVIDA公司最新一代的GPU顯卡。
目前是大數據、人工智能+時代，在這樣的時代，計算力=生產力。
與本書相關的網絡資源如下。
? 網站：http://www.TopQuant.vip http://www.ziwang.com。
? 網盤地址：http://pan.baidu.com/s/1jIg944u。
? 極寬量化QQ群：總群，124134140；QQ 2群，650924099；QQ 3群，450853713。
? 技術Blog：http://blog.sina.com.cn/zbrow。
? 字王Git項目總覽：https://github.com/ziwang-com/，包括：字王4k雲字庫、zwPython、zwpy_lst。
與本書相關的程序和數據下載，請瀏覽網站：TopQuant.vip極寬量化社區，在網站的“下載中心”有最新的程序和數據下載地址。
本書在TopQuant.vip極寬量化網站設有專欄，若對本書、人工智能和機器學習有任何建議，請在網站專欄或QQ群留言，我們會在第一時間進行反饋和答覆。
TopQuant極寬量化網站“資源中心”的網址：
http://www.topquant.vip/?p=56
http://ziwang.com/
致謝
本書的出版要特別感謝電子工業出版社的黃愛萍和葛娜編輯，感謝她們在選題策劃和稿件整理方面做出
目次
目錄第1章TensorFlow概述11.1TensorFlow要點概括21.2TensorFlow簡化接口21.3Keras簡介31.4運行環境模塊的安裝41.4.1CUDA運行環境的安裝4案例11：重點模塊版本測試5案例12：GPU開發環境測試81.4.2GPU平臺運行結果9第2章無數據不量化（上）122.1金融數據源132.1.1TopDat金融數據集142.1.2量化分析與試錯成本152.2OHLC金融數據格式16案例21：金融數據格式172.3K線圖18案例22：繪製金融數據K線圖192.4Tick數據格式22案例23：Tick數據格式232.4.1Tick數據與分時數據轉換25案例24：分時數據252.4.2resample函數262.4.3分時數據262.5離線金融數據集29案例25：TopDat金融數據集的日線數據29案例26：TopDat金融數據集的Tick數據312.6TopDown金融數據下載33案例27：更新單一A股日線數據34案例28：批量更新A股日線數據372.6.1Tick數據與分時數據40案例29：更新單一A股分時數據40案例210：批量更新分時數據432.6.2Tick數據與實時數據45案例211：更新單一實時數據45案例212：更新全部實時數據48第3章無數據不量化（下）513.1均值優先51案例31：均值計算與價格曲線圖523.2多因子策略和泛因子策略543.2.1多因子策略543.2.2泛因子策略55案例32：均線因子553.3“25日神定律”59案例33：時間因子61案例34：分時時間因子633.4TALib金融指標663.5TQ智能量化回溯系統703.6全內存計算70案例35：增強版指數索引71案例36：AI版索引數據庫733.7股票池77案例37：股票池的使用773.8TQ_bar全局變量類81案例38：TQ_bar初始化82案例39：TQ版本日線數據853.9大盤指數87案例310：指數日線數據88案例311：TQ版本指數K線圖89案例312：個股和指數曲線對照圖923.10TDS金融數據集96案例313：TDS衍生數據98
您曾經瀏覽過的商品
購物須知
大陸出版品因裝訂品質及貨運條件與台灣出版品落差甚大，除封面破損、內頁脫落等較嚴重的狀態，其餘商品將正常出貨。
特別提醒：部分書籍附贈之內容(如音頻mp3或影片dvd等)已無實體光碟提供，需以QR CODE 連結至當地網站註冊“並通過驗證程序”，方可下載使用。
無現貨庫存之簡體書，將向海外調貨：
海外有庫存之書籍，等候約45個工作天;
海外無庫存之書籍，平均作業時間約60個工作天，然不保證確定可調到貨，尚請見諒。
為了保護您的權益，「三民網路書店」提供會員七日商品鑑賞期(收到商品為起始日)。
若要辦理退貨，請在商品鑑賞期內寄回，且商品必須是全新狀態與完整包裝(商品、附件、發票、隨貨贈品等)否則恕不接受退貨。