机器学习在量化投资中的应用研究
Language: un
Pages: 157
Authors: 汤凌冰
Categories:
Type: BOOK - Published: 2014 - Publisher:
Books about 机器学习在量化投资中的应用研究
新一代智能投顾家族财富管理实务及平台实践
Language: zh-CN
Pages: 363
Authors: 肖子龙, 刘峰, 徐桦
Categories: Business & Economics
Type: BOOK - Published: 2020-09-22 - Publisher: 汉斯出版社
本书从理论基础、技术储备、行业分析、公司案例、风险政策、实证建模、项目开发七个研究模块入手,形成多方位的智能投顾和家族财富管理研究体系,通过研究的分层推进,将理论和实践深度结合起来,最终转化为一个可实际运行的智能化、系统化的家族财富管理产品并落地。家族财富管理是一个多目标过程,本书要将除家族金融资产以外的优化目标(如健康、教育、养老、社会影响力等),全部都纳入到系统中来,完整的去刻画家族客户需求,然后去提供一个数字化、专业化、智能化的家族财富管理工具箱,为家族客户提供涉及家族理财、家族信托、产业规划、税务筹划、家族教育、家族慈善、家族治理等方面的综合性的财富管理服务。本书希望通过整合开源的或采购的软件、数据库和API,设计用户画像、推荐引擎、大数据挖掘和AI 投资等算法,基于J2EE 的MVC 架构,开发一整套智能投顾的家族财富管理系统,并最终通过测试、上线和运维产生商业价值。
Python机器学习与量化投资
Language: un
Pages: 298
Authors: 何海群
Categories: Business & Economics
Type: BOOK - Published: 2018 - Publisher:
本书采用生动活泼的语言,从入门者的角度,讲解了Python语言和sklearn模块库内置的各种经典机器学习算法;介绍了股市外汇,比特币等实盘交易数据在金融量化方面的具体分析与应用,包括对未来股票价格的预测,大盘指数趋势分析等.
大数据视角下的社会化媒体对证券市场的影响研究
Language: un
Pages: 222
Authors: 谢志龙
Categories: Business & Economics
Type: BOOK - Published: 2019-08-01 - Publisher: 西南财经大学出版社(崧博)
截至2017年年底,中国证券市场的上市公司数量已达到3,485家,总市值达到567,086.077亿元。证券市场已经成为中国国民经济的重要组成部分。证券市场是“国民经济的晴雨表”,证券市场的稳定不仅是经济健康发展的基石,同时在维护社会稳定、防范系统性金融风险方面也发挥着重要的作用。 党的十九大和2018年全国“两会”明确指出,我国未来的风险主要在金融领域,要防范金融风险。现在证券监管部门已经把监控作为了第一要务。 中国在短短的28年间经历了多次的“牛” “熊”更替,其中的主要原因是投资者情绪过度乐观或者过度恐慌,“追涨杀跌” “盲目跟风” “羊群效应”等造成了证券市场的大幅波动。市场情绪是各类投资者情绪的综合体现,在中国证券市场中,个人投资者占比为99.73%,其情绪将对市场产生巨大的影响,并且个人投资者的情绪化交易行为相对于机构投资者来说更加普遍。现代行为金融学认为,股票价格不仅仅由股票的内在价值决定,受信息影响的投资者的心理与行为对股票的价格决定和变动也具有重大影响。 通过对现有文献的梳理发现,目前研究投资者的情绪对证券市场波动影响时,通常使用间接情绪指标和直接情绪指标对投资者情绪进行测量。间接情绪指标采用客观的测量来从侧面反映投资者的情绪,但由于其基于历史交易数据构建,在衡量投资者情绪时有明显的滞后性;直接情绪指标可通过对投资者进行问卷调查获得,但调查时的情绪不代表其投资决策时的情绪,这样测量的误差较大,并且调查成本较高。 随着互联网的出现和发展,人们获取信息更加便利和快捷。互联网已经成了人们最主要的信息获取渠道。投资者在各社会化媒体平台中获取、发布和传播证券市场相关信息,其中蕴含着大量投资者的情绪。爆炸式的媒体信息吸引了学术界和业界大量研究人员尝试使用自然语言处理技术和传统机器学习模型来挖掘媒体信息中的投资者情绪以及分析其对证券市场波动的影响。然而受信息技术和跨学科领域的限制,目前的相关研究对社会化媒体信息挖掘的角度不够完整,提取的投资者情绪不具代表性,使用的分析方法已无法适用于大数据背景下海量社会化媒体对证券市场影响的研究。 因此,本书利用定向分布式爬虫从社会化媒体平台获取完整的文本信息,提出中文语句卷积神经网络(Chinese Sentence Convolutional Neural Network, CSCNN)核心算法可以根据中文语法和语义结构提取文本情绪,结合社会化媒体文本信息的结构特点构建出社会化媒体投资者情绪指数(Social Media Investor Sentiment Index, SMISI),在基于社会化媒体情绪驱动的长短期记忆深度神经网络(Sentiment-driven Long Short-Term Memory, SLSTM)核心算法基础上搭建证券市场的社会化媒体效应量化智能平台(Social Media Quantitative Intelligent Platform, SMQIP),用于探析社会化媒体投资者情绪对证券市场影响的深度和广度。 从结构上看,本书由八章组成,具体内容为: 第1章 导论,主要介绍选题背景、研究的意义、研究的思路和方法、全书的结构安排以及主要创新点。 第2章 文献综述,主要对社会化媒体量化、市场情绪和社会化媒体对证券市场波动影响三个方面的理论和文献进行了系统的回顾和梳理。本章为研究社会化媒体量化、剖析社会化媒体信息与证券市场波动和防范系统性金融风险研究提供了强有力的支持和论证。 第3章 系统总体设计,从系统总体设计的角度,自上向下对本书的逻辑模块和流程进行概述,对系统的数据处理流程进行说明,明确证券市场社会化媒体效应智能解决方案中模块之间的关系,理顺系统从数据抓取到文本信息处理情感提取,再到利用深度学习神经网络对社会化媒体与证券市场波动的影响进行关联分析的流程,以确保系统模块完整和研究顺利推进。 第4章 社会化媒体量化与投资者情绪提取研究,主要对社会化媒体文本信息量化和投资者情绪的提取进行研究。首先对社会化媒体信息的抓取、过滤、预处理和词汇量化过程进行了描述;随后提出依据中文语句的语法和语义结构构建中文语句卷积神经网络(CSCNN)核心算法对文本情感极性进行判定;接着对情感判定模型进行了比较研究。 第5章 投资者情绪指数的构造,借鉴传统指数构造原理,利用社会化媒体平台文本信息结构特点,创新性地提出基于内容相似度矩阵、引用关系矩阵和回复关系矩阵的社会化媒体文本语句权重SentenceRank算法计算语句权重,结合用户影响力因子、阅读数量因子和点赞数量因子,构造了社会化媒体投资者情绪指数(SMISI),为后续研究提供了重要的特征变量。 第6章 SMISI对证券市场波动的量化研究,通过实证研究,首先将SMISI与Fama五因子模型结合,验证了SMISI对证券市场收益率的系统性影响;接着利用VAR 模型研究SMISI对证券市场波动影响的深度和广度。随后提出基于社会化媒体情绪驱动的S-LSTM 深度神经网络模型核心算法,更加准确地捕捉社会化媒体投资者情绪对证券市场的影响效应,并通过模拟的方式验证了SMISI在量化投资中应用的可行性。 第7章 面向证券市场策略的SMQIP检验与分析,从市场监管者、上市公司和投资者三个不同的角度剖析了社会化媒体信息引导市场情绪,导致证券市场资产价格波动,甚至影响金融稳定的内在机理。并利用具体案例从以上三个角度分别验证了基于大数据的证券市场社会化媒体效应量化智能平台(SMQIP)的应用可行性。 第8章 总结、不足与研究展望,对全书进行了总结,对研究中存在的不足进行了分析和反思,对于金融智能领域的研究热点和方向以及未来可能进行的研究计划进行了展望。 本书在现有研究的基础之上,沿着“社会化媒体———投资者情绪———证券市场波动”的主线,对基于大数据的证券市场媒体效应进行了量化分析,主要的创新之处有以下三个方面: 第一,提出了一个基于深度学习的公众情绪文本挖掘方法,综合考虑文本内容和质量的影响,以捕捉社会化媒体中的公众情绪。本书利用中文语句卷积神经网络对证券市场环境下的文本信息进行情感判定,结合社会化媒体结构特性,创新性地提出一套基于信息内容和发布结构的公众情绪提取方法,利用论坛特有的结构即发帖、回复、转发和引用等构建内容和结构的关联图,进而得到综合关联关系矩阵,从散乱的、高噪音的论坛信息讨论中挖掘出主导性言论。综合考虑社会化媒体信息的重要性和情感极性,提取出公众对上市公司、板块或整体市场的情绪倾向。 第二,基于社会化媒体大数据,研究和优化了证券市场情绪指数的构建方法。本书创新性地利用统计学中指数构造原理,对正面情绪和负面情绪给予不同权重,构造了证券市场的社会化媒体投资者情绪指数(SMISI),并结合证券市场历史交易数据,从大数据角度系统剖析社会化媒体对证券市场波动的影响机理和传导机制,为金融学领域经典问题的研究提供了大数据驱动的探索思路;同时,结合成分股的社会化媒体情感指数,细分了社会化媒体主板情感指数、中小板情感指数和创业板情感指数等。这些指数对于金融市场监管者监控证券市场波动、上市公司决策和投资者投资组合时都有重要的参考价值。 第三,集成情绪判定、文本赋权和情绪指数市场效应评估等核心算法,构建了情绪对证券市场波动影响分析的系统原型,并应用于本书的研究中。本书开创性地通过以社会化媒体情绪为驱动的时序神经网络,通过改造LSTM单元,增加情绪增强门,改变了遗忘门、输入门和输出门数据结构,解决了深度神经网络中连续时序数据和离散时序数据融合的问题。基于此搭建的基于大数据的证券市场社会化媒体效应量化智能平台(SMQIP),可以为市场监管机构、上市公司、投资者以及相关领域研究者提供理论参考和决策支持。以社会化媒体情绪为驱动的时序神经网络结构也可为其他领域对连续时序数据和离散时序数据问题的解决开拓新的思路。
零基础搭建量化投资系统
Language: un
Pages: 430
Authors: 何战军
Categories: Business & Economics
Type: BOOK - Published: 2019 - Publisher:
本书从初学者的角度出发,介绍量化投资分析,机器学习,NLP自然语言处理(聊天机器人设计),网络爬虫等应用知识,书中所有知识点都结合具体实例进行讲解,可以使读者轻松领会Python程序开发的精髓.本书还通过一个完整的项目案例,帮助读者独立搭建量化分析交易平台.
大數據金融與徵信
Language: zh-CN
Pages:
Authors: 何平平,車雲月
Categories: Business & Economics
Type: BOOK - Published: 2019-11-25 - Publisher: 崧燁文化
本書面向金融應用,系統地闡述大數據金融與徵信本身及其在現實生活中的應用,具有全面性、實用性和前瞻性等特色。全書共八章,第一章和第二章闡述大數據金融及大數據技術相關的基礎知識問題,是後面章節的基礎。第三章至第六章詳細介紹大數據在銀行業、證券業、保險業及互聯網金融行業中的應用,是本書的主要內容。第七章重點闡述大數據在徵信中的實際應用,是本書的另一重點問題,也是當代大數據研究的熱點問題。第八章特別強調中國金融訊息安全,這是大數據金融與徵信的發展進程中不可避免的問題。本書力爭把大數據與其實際應用糅合在一起介紹,力求活學活用。 本書可以作為高等學校互聯網金融院系課程教材,也可供互聯網金融研究者、從業者、管理人員參考所用。
量化投资与Python语言
Language: un
Pages: 109
Authors: 张翔著
Categories: Computers
Type: BOOK - Published: 2018-06-01 - Publisher: 清华大学出版社(崧博)
Python是当前金融行业的主流编程语言,金融机构特别是量化投资领域大量使用Python进行数据分析以及投资策略测试、实盘交易等。财经类院校基本上没有开设Python编程这门课,主要还是Excel、R等。 本书主要包括三部分:介绍金融领域内的前沿科技,主要是大数据、云计算、人工智能等;二是Python数据分析篇,主要介绍Python编程基础,Pandas数据分析以及网络爬虫;三是量化投资篇,主要包括量化投资常见策略,当前国内量化投资平台简介,平台策略开发案例分析等。 本书适合财经类院校的学生、金融机构的从业人员学习,上手简单,有助于在大数据背景下的各种金融投资技术的应用开发。
中国期货市场量化交易:R与C++版
Language: zh-CN
Pages: 303
Authors: 李尉著
Categories: Computers
Type: BOOK - Published: 2018-12-02 - Publisher: 清华大学出版社(崧博)
本书主要介绍如何运用统计分析和机器学习等方法对中国期货市场量化交易进行建模分析。不仅覆盖了最基础的数据获取、数据清理、因子提取、模型构造以及最后的动态投资组合优化、C++编程实现等方面,而且有丰富的代码方便读者临摹学习和修改提升。本书中的数据首先是交易所最原始的期货分笔数据,在此基础上整合成5分钟K线,然后再计算预测因子,最后套入统计预测模型。在交易层面,采用严谨的滚动优化方式,充分考虑了滑点和手续费,严格测试。另外本书还覆盖了中低频的趋势策略以及高频的短趋势策略,最后也详细介绍了跨期套利策略,以及对读者择业就业的建议。 本书内容的广度和深度都是国内市场上少见的,适合相关专业人士和感兴趣的投资爱好者阅读,如高校数理类和经管类师生及证券、期货、私募证券、公募基金等量化交易相关从业人员,以及对机器学习在金融方面运用的相关人士和对量化交易感兴趣的各行各业人士。
地平线2025——人工智能来了
Language: zh-CN
Pages:
Authors: 熊清泉主编
Categories: Technology & Engineering
Type: BOOK - Published: 2018-08-01 - Publisher: BEIJING BOOK CO. INC.
本书介绍了人工智能的历史、现状及未来发展趋势,以及对当今人们生活的影响,引导读者正确看待我国发展人工智能的基础和优势,同时也清醒地看到我国人工智能整体发展水平与发达国家的差距,从而面向世界,面向未来,求变应变,牢牢把握人工智发展的重大历史机遇,引领世界人工智能发展新潮流。
广东金融科技发展报告(2018)
Language: zh-CN
Pages:
Authors: 黄国平, 唐军
Categories: Business & Economics
Type: BOOK - Published: 2017-01-01 - Publisher: 社会科学文献出版社
金融科技与互联网金融是对传统金融的有益补充 不仅提高了金融的效率和创新能力 同时也是对普惠金融、民主金融以及金融扶贫提供了了强有力技术支撑。广东省作为我国金融科技与互联网金融发展主要聚集地,形成了包括P2P网贷平台、众筹融资、互联网支付、互联网保险、互联网理财以及大数据征信、金融云平台等业态组成的金融科技与互联网金融格局。金融科技与互联网金融是金融与科技深度融合的探索和创新实践 金融是金融科技和互联网金融的核心 而技术进步则是金融科技和互联网金融发展的重要保障。广东省金融科技和互联网金融创新发展的技术基础强 尤其是在一系列金融科技和互联网金融的关键核心技术的发展方面 广东省实施的长期规划实现了较好的产出。广东省以建设珠三角金融改革创新综合试验区为契机 谋划与港澳地区金融业的融合和发展 推动建设大珠三角金融圈 强化区域金融业的集聚和整合 利用港澳地区金融业的辐射带动作用 提升在靠前外金融市场的竞争力。广东省作为我国金融科技与互联网金融发展主要聚集地,形成了包括P2P网贷平台、众筹融资、互联网支付、互联网保险、互联网理财以及大数据征信、金融云平台等业态组成的金融科技与互联网金融格局。随着广东省互联网金融专项整治深入推进 行业加速进入“优胜劣汰”的洗牌期 行业竞争日益激烈 在整体风险趋于减缓的情况下 行业与平台分化却日趋明显。本书即是对广东金融科技方面在2016年的发展情况进行呈现和梳理 并提出相关意见和建议。