智能量化：ChatGPT在金融策略與算法交易中的實(shí)踐

定　價(jià)：￥59.00

作　者：	龔暉著
出版社：	北京大學(xué)出版社
叢編項(xiàng)：
標(biāo)　簽：	暫缺

購買這本書可以去

當(dāng)當(dāng)網(wǎng) (￥59.00)

ISBN：	9787301346303	出版時間：	2024-06-01	包裝：	平裝
開本：	32開	頁數(shù)：		字?jǐn)?shù)：

內(nèi)容簡介

　　《智能量化：ChatGPT在金融策略與算法交易中的實(shí)踐》是一部全面而深入的量化金融實(shí)戰(zhàn)指南，從基礎(chǔ)的Python編程和量化金融概念出發(fā)，逐步引領(lǐng)讀者進(jìn)入金融數(shù)據(jù)分析、量化策略開發(fā)、算法交易及風(fēng)險(xiǎn)管理的高級話題?！吨悄芰炕篊hatGPT在金融策略與算法交易中的實(shí)踐》還探討了生成式AI和ChatGPT在量化金融領(lǐng)域中的應(yīng)用，為讀者提供了一個全面的視角和實(shí)用的工具?！吨悄芰炕篊hatGPT在金融策略與算法交易中的實(shí)踐》共分為5章：第1章作為基礎(chǔ)，介紹了量化金融、算法交易和Python編程的基礎(chǔ)知識；第2章專注于金融數(shù)據(jù)的獲取和處理，包括如何使用APIs和Python庫；第3章深入講解了量化策略與模型，涵蓋了從統(tǒng)計(jì)學(xué)到機(jī)器學(xué)習(xí)再到深度學(xué)習(xí)和Transformer模型及ChatGPT插件使用的多個方面；第4章是對算法交易與風(fēng)險(xiǎn)管理的全面解析，包括市場微觀結(jié)構(gòu)、交易策略和ChatGPT的Code Interpreter功能；第5章對量化金融和算法交易的未來進(jìn)行了展望，包括人工智能在金融領(lǐng)域中的機(jī)遇和挑戰(zhàn)?！吨悄芰炕篊hatGPT在金融策略與算法交易中的實(shí)踐》內(nèi)容深入淺出，實(shí)例豐富，實(shí)用性極強(qiáng)，特別適合量化金融的初學(xué)者和專業(yè)人士，也適用于金融分析師、數(shù)據(jù)科學(xué)家和編程愛好者。此外，《智能量化：ChatGPT在金融策略與算法交易中的實(shí)踐》也可作為金融科技和量化金融相關(guān)培訓(xùn)課程的教材。

作者簡介

　　龔暉：：：：：：：龔暉，博士，倫敦大學(xué)學(xué)院（UCL）金融與科技研究所去中心化金融和區(qū)塊鏈講師，威斯敏斯特大學(xué)商學(xué)院（Westminster Business School）金融科技客座講師，主講的課程涉及區(qū)塊鏈與加密貨幣、金融衍生品定價(jià)和高頻交易等領(lǐng)域。2019年，在UCL數(shù)學(xué)系獲得金融數(shù)學(xué)博士學(xué)位。主要研究領(lǐng)域?yàn)榻鹑诳萍?，包括算法交易、區(qū)塊鏈技術(shù)、加密貨幣和人工智能在金融領(lǐng)域中的應(yīng)用等。2014年，被UCL推薦至瑞士信貸（Credit Suisse），開發(fā)了第一代智能推薦系統(tǒng)，用于客戶分類、精準(zhǔn)營銷和新聞、投資產(chǎn)品的推薦等。2015年，加入瑞士信貸DAST（Data Analysis Sentiment Technology）部門，負(fù)責(zé)Delta One產(chǎn)品和HOLT系統(tǒng)的人工智能優(yōu)化，其通過人工智能優(yōu)化的指數(shù)產(chǎn)品，被多家買方作為基準(zhǔn)產(chǎn)品。也曾在UCL區(qū)塊鏈技術(shù)研究中心從事區(qū)塊鏈應(yīng)用研究，并發(fā)表多篇論文，對于量化金融領(lǐng)域見解獨(dú)到。

圖書目錄

第1章基礎(chǔ)知識與量化金融概述001
1.1引言：量化金融與算法交易簡介001
1.1.1量化金融及其發(fā)展歷史002
1.1.2當(dāng)代量化金融004
1.1.3算法交易概述005
1.1.4高頻交易概述007
1.1.5算法交易與高頻交易的區(qū)別008
1.2Python編程基礎(chǔ)008
1.2.1Python的優(yōu)點(diǎn)009
1.2.2Python在量化金融和算法交易中的應(yīng)用初覽009
1.2.3Anaconda的安裝010
1.2.4Python代碼示例012
1.3ChatGPT簡介及原理013
1.3.1ChatGPT簡介013
1.3.2ChatGPT原理014
1.4生成式AI在量化金融領(lǐng)域中的應(yīng)用015
第2章金融數(shù)據(jù)處理與分析017
2.1數(shù)據(jù)來源：金融數(shù)據(jù)APIs及其供應(yīng)商017
2.1.1數(shù)據(jù)來源的復(fù)雜程度018
2.1.2為什么要鏈接API018
2.1.3數(shù)據(jù)供應(yīng)商的對比019
2.2使用ChatGPT鏈接金融APIs021
2.2.1報(bào)錯分析023
2.2.2使用第三方庫：yfinance026
2.2.3使用第三方庫：yahoofinancials027
2.2.4其他第三方庫029
2.3數(shù)據(jù)處理：使用Python分析金融數(shù)據(jù)029
2.3.1重新采樣033
2.3.2滾動統(tǒng)計(jì)034
2.4數(shù)據(jù)可視化：使用Matplotlib等工具038
2.5實(shí)例：財(cái)務(wù)報(bào)表指標(biāo)獲取及分析042
2.5.1獲取特斯拉的年度財(cái)務(wù)數(shù)據(jù)044
2.5.2計(jì)算所需的財(cái)務(wù)指標(biāo)047
2.5.3該財(cái)務(wù)指標(biāo)（凈利潤率）可視化047
2.5.4該財(cái)務(wù)指標(biāo)（凈利潤率）的趨勢分析048
第3章量化策略與模型053
3.1統(tǒng)計(jì)學(xué)與金融：常見統(tǒng)計(jì)模型與方法053
3.1.1描述性統(tǒng)計(jì)054
3.1.2概率分布058
3.1.3假設(shè)檢驗(yàn)062
3.1.4時間序列分析065
3.2技術(shù)分析：指標(biāo)與策略068
3.2.1圖表模式068
3.2.2趨勢線073
3.2.3技術(shù)指標(biāo)075
3.2.4交易策略與回測083
3.3基本面分析：選股策略與價(jià)值投資086
3.4賣方策略：衍生品定價(jià)與風(fēng)險(xiǎn)管理092
3.4.1衍生品概述093
3.4.2衍生品定價(jià)095
3.4.3Black-Scholes模型096
3.4.4Put-CallParity的基本期權(quán)理論099
3.4.5風(fēng)險(xiǎn)管理——Greeks100
3.5機(jī)器學(xué)習(xí)與金融：回歸模型、分類器等106
3.5.1機(jī)器學(xué)習(xí)概述106
3.5.2回歸模型107
3.5.3分類器113
3.5.4機(jī)器學(xué)習(xí)在金融領(lǐng)域中的挑戰(zhàn)117
3.6深度學(xué)習(xí)與金融：神經(jīng)網(wǎng)絡(luò)、LSTM、CNN等118
3.6.1神經(jīng)網(wǎng)絡(luò)118
3.6.2長短期記憶網(wǎng)絡(luò)124
3.6.3卷積神經(jīng)網(wǎng)絡(luò)128
3.6.4深度學(xué)習(xí)在金融領(lǐng)域中的挑戰(zhàn)132
3.7自然語言處理：利用Transformer結(jié)構(gòu)分析市場情緒134
3.8實(shí)例操作：使用ChatGPT的金融相關(guān)插件144
3.8.1ChatGPT插件及安裝144
3.8.2PortfolioPilot插件147
第4章算法交易與風(fēng)險(xiǎn)管理151
4.1市場微觀結(jié)構(gòu)理解與應(yīng)用152
4.1.1訂單簿的基本結(jié)構(gòu)與功能152
4.1.2訂單類型與執(zhí)行機(jī)制154
4.1.3市場碎片化問題的理解與應(yīng)對160
4.1.4交易延遲與市場深度的影響161
4.1.5臨時與永久的滑點(diǎn)162
4.1.6訂單失衡163
4.2交易策略開發(fā)：交易信號、執(zhí)行和管理166
4.2.1基于連續(xù)時間馬爾科夫鏈的交易策略166
4.2.2市價(jià)訂單的建模與應(yīng)用170
4.2.3交易信號的生成與驗(yàn)證174
4.2.4交易管理：訂單追蹤與調(diào)整174
4.3訂單執(zhí)行：買方策略、賣方策略與做市策略175
4.3.1買方策略的設(shè)計(jì)與實(shí)施（只有臨時滑點(diǎn)）176
4.3.2賣方策略的設(shè)計(jì)與實(shí)施（臨時與永久滑點(diǎn)）179
4.3.3做市策略的設(shè)計(jì)與實(shí)施183
4.4風(fēng)險(xiǎn)管理：風(fēng)險(xiǎn)度量、預(yù)測與控制186
4.4.1風(fēng)險(xiǎn)度量186
4.4.2風(fēng)險(xiǎn)預(yù)測189
4.4.3風(fēng)險(xiǎn)控制191
4.5資金管理：投資組合優(yōu)化與資產(chǎn)配置192
4.5.1投資組合優(yōu)化的理論與方法192
4.5.2基于Transformer模型的資產(chǎn)配置的策略與實(shí)施196
4.5.3使用GPT-4的代碼解釋器來解釋做市策略203
第5章未來展望與挑戰(zhàn)209
5.1探索多元化的大語言模型平臺209
5.1.1科大訊飛——訊飛星火認(rèn)知大模型210
5.1.2百度——文心一言大模型214
5.1.3智譜AI——智譜清言ChatGLM大模型220
5.1.4百川智能——百川大模型225
5.2量化金融與算法交易的發(fā)展趨勢230
5.2.1量化金融與算法交易的新趨勢230
5.2.2智能化金融服務(wù)的崛起232
5.3機(jī)遇與挑戰(zhàn)：人工智能在金融領(lǐng)域中的雙刃劍效應(yīng)233
5.3.1技術(shù)驅(qū)動下的金融機(jī)遇233
5.3.2在監(jiān)管環(huán)境中應(yīng)對挑戰(zhàn)233
5.4前瞻：人工智能與金融領(lǐng)域的未來合作235
5.4.1潛在的增長領(lǐng)域和創(chuàng)新點(diǎn)236
5.4.2面向未來的策略和合作路徑237