金融人工智能：用Python实现AI量化交易

金融人工智能：用Python实现AI量化交易读书笔记模板01思维导图读书笔记作者介绍内容摘要目录分析精彩摘录目录0305020406思维导图人工智能金融神经网络技术交易金融市场学习人工智能结论第章金融数据神经网络理论市场人工智能风险代码特征本书关键字分析思维导图内容摘要内容摘要本书通过Python示例介绍人工智能技术在金融数据分析中的应用。你将了解如何运用神经网络、强化学习等深度学习技术预测金融市场。本书分为六大部分。第一部分介绍人工智能算法的核心概念，包括监督学习和神经网络，并描绘超级人工智能愿景。第二部分讨论机器学习技术在金融市场中的应用。第三部分更进一步，讨论如何利用神经网络和强化学习技术解决金融市场中的统计失效问题。第四部分详述如何利用算法交易解决统计失效问题。第五部分展望未来，探讨人工智能会如何改变金融业。第六部分给出以Python实现的神经网络，可用于时间序列预测。读书笔记读书笔记翻译确实差了点，很多语句字都认识，但是读不懂。目录分析OReillyMedia,Inc.介绍排版约定使用示例代码OReilly在线学习平台(OReillyOnlineLearning)联系我们致谢12345本书赞誉第2章超级智能第1章人工智能第一部分机器智能第1章人工智能1.1算法1.2神经网络1.3数据的重要性1.4结论第2章超级智能2.1成功故事2.2硬件的重要性2.3智能的形式2.4通往超级智能的途径2.5智能爆炸2.6目标和控制2.7潜在的结果2.8结论第4章数据驱动的金融学第3章规范性金融理论第二部分金融和机器学习第6章人工智能优先的金融第5章机器学习第二部分金融和机器学习第3章规范性金融理论3.1不确定性与风险3.2预期效用理论3.3均值−方差投资组合理论3.4资本资产定价模型3.5套利定价理论3.6结论第4章数据驱动的金融学4.1科学方法4.2金融计量经济学与回归4.3数据可用性4.4重新审视规范性理论4.5揭示中心假设4.6结论4.7Python代码段第5章机器学习5.1学习5.2数据5.3成功5.4容量5.5评估5.6偏差和方差5.7交叉验证5.8结论第6章人工智能优先的金融6.1有效市场6.2基于收益数据的市场预测6.3基于更多特征的市场预测6.4日内市场预测6.5结论第7章密集神经网络第9章强化学习第8章循环神经网络第三部分统计失效第7章密集神经网络7.1数据7.2基线预测7.3归一化7.4暂退7.5正则化7.6装袋7.7优化器7.8结论第8章循环神经网络8.1第一个示例8.2第二个示例8.3金融价格序列8.4金融收益率序列8.5金融特征8.6结论第9章强化学习9.1基本概念9.2OpenAIGym9.3蒙特卡罗智能体9.4神经网络智能体9.5DQL智能体9.6简单的金融沙箱9.7更好的金融沙箱9.8FQL智能体9.9结论第10章向量化回测第12章执行与部署第11章风险管理第四部分算法交易第10章向量化回测10.1基于SMA策略的回测10.2基于DNN的每日策略的回测10.3基于DNN的日内策略的回测10.4结论第11章风险管理11.1交易机器人11.2向量化回测11.3基于事件的回测11.4风险评估11.5风控措施回测11.6结论11.7Python代码第12章执行与部署12.1Oanda账户12.2数据检索12.3订单执行12.4交易机器人12.5部署12.6结论12.7Python代码第14章金融奇点第13章基于人工智能的竞争第五部分展望第13章基于人工智能的竞争13.1人工智能和金融13.2标准的缺失13.3教育和培训13.4资源争夺13.5市场影响13.6竞争场景13.7风险、监管和监督13.8结论第14章金融奇点14.1概念和定义14.2风险是什么14.3通往金融奇点的途径14.4正交技能和资源14.5之前和之后的情景14.6星际迷航还是星球大战14.7结论附录A交互式神经网络附录C卷积神经网络附录B神经网络类第六部分附录附录A交互式神经网络A.1张量和张量运算A.2简单神经网络A.3浅层神经网络附录B神经网络类B.1激活函数B.2简单神经网络B.3浅层神经网络B.4预测市场方向附录C卷积神经网络C.1特征和标签数据C.2训练模型C.3测试模型作者介绍同名作者介绍这是《