金融人工智能：用Python實(shí)現(xiàn)AI量化交易

前言 xiii
第 一部分　機(jī)器智能
第 1 章　人工智能 3
1．1　算法 3
1．1．1　數(shù)據(jù)類型 3
1．1．2　學(xué)習(xí)類型 4
1．1．3　任務(wù)類型 7
1．1．4　方法類型 7
1．2　神經(jīng)網(wǎng)絡(luò) 8
1．2．1　OLS回歸 8
1．2．2　神經(jīng)網(wǎng)絡(luò)估計(jì) 12
1．2．3　神經(jīng)網(wǎng)絡(luò)分類 17
1．3　數(shù)據(jù)的重要性 19
1．3．1　小數(shù)據(jù)集 19
1．3．2　更大的數(shù)據(jù)集 22
1．3．3　大數(shù)據(jù) 24
1．4　結(jié)論 25
第 2 章　超級(jí)智能 26
2．1　成功故事 27
2．1．1　雅達(dá)利（Atari） 27
2．1．2　圍棋（Go） 32
2．1．3　國(guó)際象棋（Chess） 33
2．2　硬件的重要性 35
2．3　智能的形式 36
2．4　通往超級(jí)智能的途徑 37
2．4．1　網(wǎng)絡(luò)和組織 38
2．4．2　生物增強(qiáng) 38
2．4．3　腦機(jī)混合 38
2．4．4　全腦模擬 39
2．4．5　人工智能 39
2．5　智能爆炸 40
2．6　目標(biāo)和控制 41
2．6．1　超級(jí)智能和目標(biāo) 41
2．6．2　超級(jí)智能和控制 42
2．7　潛在的結(jié)果 43
2．8　結(jié)論 45
第二部分　金融和機(jī)器學(xué)習(xí)
第 3 章　規(guī)范性金融理論 49
3．1　不確定性與風(fēng)險(xiǎn) 50
3．1．1　定義 50
3．1．2　數(shù)字模擬例子 51
3．2　預(yù)期效用理論 53
3．2．1　假設(shè)和結(jié)論 53
3．2．2　數(shù)值例子 55
3．3　均值 方差投資組合理論 57
3．3．1　假設(shè)和結(jié)論 57
3．3．2　數(shù)值例子 59
3．4　資本資產(chǎn)定價(jià)模型 67
3．4．1　假設(shè)和結(jié)論 67
3．4．2　數(shù)值例子 69
3．5　套利定價(jià)理論 74
3．5．1　假設(shè)和結(jié)論 74
3．5．2　數(shù)值例子 75
3．6　結(jié)論 77
第 4 章　數(shù)據(jù)驅(qū)動(dòng)的金融學(xué) 78
4．1　科學(xué)方法 78
4．2　金融計(jì)量經(jīng)濟(jì)學(xué)與回歸 79
4．3　數(shù)據(jù)可用性 82
4．3．1　可編程API 82
4．3．2　結(jié)構(gòu)化歷史數(shù)據(jù) 83
4．3．3　結(jié)構(gòu)化流數(shù)據(jù) 85
4．3．4　非結(jié)構(gòu)化歷史數(shù)據(jù) 86
4．3．5　非結(jié)構(gòu)化流數(shù)據(jù) 88
4．3．6　非傳統(tǒng)數(shù)據(jù) 89
4．4　重新審視規(guī)范性理論 93
4．4．1　預(yù)期效用與現(xiàn)實(shí) 93
4．4．2　均值–方差投資組合理論 96
4．4．3　資本資產(chǎn)定價(jià)模型 103
4．4．4　套利定價(jià)理論 107
4．5　揭示中心假設(shè) 115
4．5．1　正態(tài)分布收益率 115
4．5．2　線性關(guān)系 124
4．6　結(jié)論 126
4．7　Python代碼段 126
第 5 章　機(jī)器學(xué)習(xí) 130
5．1　學(xué)習(xí) 131
5．2　數(shù)據(jù) 131
5．3　成功 133
5．4　容量 137
5．5　評(píng)估 140
5．6　偏差和方差 145
5．7　交叉驗(yàn)證 147
5．8　結(jié)論 149
第 6 章　人工智能優(yōu)先的金融 150
6．1　有效市場(chǎng) 150
6．2　基于收益數(shù)據(jù)的市場(chǎng)預(yù)測(cè) 155
6．3　基于更多特征的市場(chǎng)預(yù)測(cè) 161
6．4　日內(nèi)市場(chǎng)預(yù)測(cè) 166
6．5　結(jié)論 167
第三部分　統(tǒng)計(jì)失效
第 7 章　密集神經(jīng)網(wǎng)絡(luò) 171
7．1　數(shù)據(jù) 171
7．2　基線預(yù)測(cè) 173
7．3　歸一化 177
7．4　暫退 179
7．5　正則化 181
7．6　裝袋 184
7．7　優(yōu)化器 185
7．8　結(jié)論 186
第 8 章　循環(huán)神經(jīng)網(wǎng)絡(luò) 187
8．1　第 一個(gè)示例 188
8．2　第二個(gè)示例 191
8．3　金融價(jià)格序列 194
8．4　金融收益率序列 197
8．5　金融特征 199
8．5．1　估計(jì) 199
8．5．2　分類 200
8．5．3　深度RNN 201
8．6　結(jié)論 202
第 9 章　強(qiáng)化學(xué)習(xí) 203
9．1　基本概念 204
9．2　OpenAI Gym 205
9．3　蒙特卡羅智能體 208
9．4　神經(jīng)網(wǎng)絡(luò)智能體 210
9．5　DQL智能體 212
9．6　簡(jiǎn)單的金融沙箱 216
9．7　更好的金融沙箱 220
9．8　FQL智能體 222
9．9　結(jié)論 227
第四部分　算法交易
第 10 章　向量化回測(cè) 231
10．1　基于SMA策略的回測(cè) 232
10．2　基于DNN的每日策略的回測(cè) 237
10．3　基于DNN的日內(nèi)策略的回測(cè) 243
10．4　結(jié)論 248
第 11 章 風(fēng)險(xiǎn)管理 249
11．1　交易機(jī)器人 250
11．2　向量化回測(cè) 253
11．3　基于事件的回測(cè) 255
11．4　風(fēng)險(xiǎn)評(píng)估 261
11．5　風(fēng)控措施回測(cè) 264
11．5．1　止損 266
11．5．2　跟蹤止損 268
11．5．3　止盈 269
11．6　結(jié)論 272
11．7　Python代碼 273
11．7．1　金融環(huán)境 273
11．7．2　交易機(jī)器人 275
11．7．3　回測(cè)基類 279
11．7．4　回測(cè)類 281
第 12 章　執(zhí)行與部署 284
12．1　Oanda賬戶 285
12．2　數(shù)據(jù)檢索 285
12．3　訂單執(zhí)行 289
12．4　交易機(jī)器人 294
12．5　部署 300
12．6　結(jié)論 304
12．7　Python代碼 304
12．7．1　Oanda環(huán)境 304
12．7．2　向量化回測(cè) 307
12．7．3　Oanda交易機(jī)器人 308
第五部分　展望
第 13 章　基于人工智能的競(jìng)爭(zhēng) 313
13．1　人工智能和金融 313
13．2　標(biāo)準(zhǔn)的缺失 315
13．3　教育和培訓(xùn) 316
13．4　資源爭(zhēng)奪 317
13．5　市場(chǎng)影響 318
13．6　競(jìng)爭(zhēng)場(chǎng)景 319
13．7　風(fēng)險(xiǎn)、監(jiān)管和監(jiān)督 320
13．8　結(jié)論 322
第 14 章　金融奇點(diǎn) 323
14．1　概念和定義 323
14．2　風(fēng)險(xiǎn)是什么 324
14．3　通往金融奇點(diǎn)的途徑 327
14．4　正交技能和資源 328
14．5　之前和之后的情景 328
14．6　星際迷航還是星球大戰(zhàn) 329
14．7　結(jié)論 329
第六部分　附錄
附錄A　交互式神經(jīng)網(wǎng)絡(luò) 333
附錄B　神經(jīng)網(wǎng)絡(luò)類 348
附錄C　卷積神經(jīng)網(wǎng)絡(luò) 360
參考文獻(xiàn) 366