新書推薦：
《
星球大战：千万级付费社群养成记
》
售價：HK$
89.7
《
吸引力法则：如何利用心理暗示实现愿望
》
售價：HK$
68.8
《
生活艺术
》
售價：HK$
51.8
《
中国价值：话语建构与国际传播
》
售價：HK$
89.7
《
不归路之门
》
售價：HK$
56.4
《
C罗传奇
》
售價：HK$
89.7
《
李安访谈录（守望者·访谈）
》
售價：HK$
78.2
《
九色鹿·追本塑源：元朝的开国故事
》
售價：HK$
90.6
|
| 編輯推薦： |
实操：结合真实量化金融案例，理论与实践并进。
资源：提供完整代码和数据至网盘，易于获取。
入门：Python基础起步，从零开始，适合初学者。
创新：涵盖量化金融、算法交易及ChatGPT应用。
|
| 內容簡介： |
《智能量化：ChatGPT在金融策略与算法交易中的实践》是一部全面而深入的量化金融实战指南，从基础的Python编程和量化金融概念出发，逐步引领读者进入金融数据分析、量化策略开发、算法交易及风险管理的高级话题。《智能量化：ChatGPT在金融策略与算法交易中的实践》还探讨了生成式AI和ChatGPT在量化金融领域中的应用，为读者提供了一个全面的视角和实用的工具。
《智能量化：ChatGPT在金融策略与算法交易中的实践》共分为5章：第1章作为基础，介绍了量化金融、算法交易和Python编程的基础知识；第2章专注于金融数据的获取和处理，包括如何使用APIs和Python库；第3章深入讲解了量化策略与模型，涵盖了从统计学到机器学习再到深度学习和Transformer模型及ChatGPT插件使用的多个方面；第4章是对算法交易与风险管理的全面解析，包括市场微观结构、交易策略和ChatGPT的Code Interpreter功能；第5章对量化金融和算法交易的未来进行了展望，包括人工智能在金融领域中的机遇和挑战。
《智能量化：ChatGPT在金融策略与算法交易中的实践》内容深入浅出，实例丰富，实用性极强，特别适合量化金融的初学者和专业人士，也适用于金融分析师、数据科学家和编程爱好者。此外，《智能量化：ChatGPT在金融策略与算法交易中的实践》也可作为金融科技和量化金融相关培训课程的教材。
|
| 關於作者： |
龚晖
----------------------------
龚晖，博士，伦敦大学学院（UCL）金融与科技研究所去中心化金融和区块链讲师，威斯敏斯特大学商学院（Westminster Business School）金融科技客座讲师，主讲的课程涉及区块链与加密货币、金融衍生品定价和高频交易等领域。2019年，在UCL数学系获得金融数学博士学位。主要研究领域为金融科技，包括算法交易、区块链技术、加密货币和人工智能在金融领域中的应用等。2014年，被UCL推荐至瑞士信贷（Credit Suisse），开发了第一代智能推荐系统，用于客户分类、精准营销和新闻、投资产品的推荐等。2015年，加入瑞士信贷DAST（Data Analysis Sentiment Technology）部门，负责Delta One产品和HOLT系统的人工智能优化，其通过人工智能优化的指数产品，被多家买方作为基准产品。也曾在UCL区块链技术研究中心从事区块链应用研究，并发表多篇论文，对于量化金融领域见解独到。
|
| 目錄：
|
第1章基础知识与量化金融概述001
1.1引言：量化金融与算法交易简介001
1.1.1量化金融及其发展历史002
1.1.2当代量化金融004
1.1.3算法交易概述005
1.1.4高频交易概述007
1.1.5算法交易与高频交易的区别008
1.2Python编程基础008
1.2.1Python的优点009
1.2.2Python在量化金融和算法交易中的应用初览009
1.2.3Anaconda的安装010
1.2.4Python代码示例012
1.3ChatGPT简介及原理013
1.3.1ChatGPT简介013
1.3.2ChatGPT原理014
1.4生成式AI在量化金融领域中的应用015
第2章金融数据处理与分析017
2.1数据来源：金融数据APIs及其供应商017
2.1.1数据来源的复杂程度018
2.1.2为什么要链接API018
2.1.3数据供应商的对比019
2.2使用ChatGPT链接金融APIs021
2.2.1报错分析023
2.2.2使用第三方库：yfinance026
2.2.3使用第三方库：yahoofinancials027
2.2.4其他第三方库029
2.3数据处理：使用Python分析金融数据029
2.3.1重新采样033
2.3.2滚动统计034
2.4数据可视化：使用Matplotlib等工具038
2.5实例：财务报表指标获取及分析042
2.5.1获取特斯拉的年度财务数据044
2.5.2计算所需的财务指标047
2.5.3该财务指标（净利润率）可视化047
2.5.4该财务指标（净利润率）的趋势分析048
第3章量化策略与模型053
3.1统计学与金融：常见统计模型与方法053
3.1.1描述性统计054
3.1.2概率分布058
3.1.3假设检验062
3.1.4时间序列分析065
3.2技术分析：指标与策略068
3.2.1图表模式068
3.2.2趋势线073
3.2.3技术指标075
3.2.4交易策略与回测083
3.3基本面分析：选股策略与价值投资086
3.4卖方策略：衍生品定价与风险管理092
3.4.1衍生品概述093
3.4.2衍生品定价095
3.4.3Black-Scholes模型096
3.4.4Put-CallParity的基本期权理论099
3.4.5风险管理——Greeks100
3.5机器学习与金融：回归模型、分类器等106
3.5.1机器学习概述106
3.5.2回归模型107
3.5.3分类器113
3.5.4机器学习在金融领域中的挑战117
3.6深度学习与金融：神经网络、LSTM、CNN等118
3.6.1神经网络118
3.6.2长短期记忆网络124
3.6.3卷积神经网络128
3.6.4深度学习在金融领域中的挑战132
3.7自然语言处理：利用Transformer结构分析市场情绪134
3.8实例操作：使用ChatGPT的金融相关插件144
3.8.1ChatGPT插件及安装144
3.8.2PortfolioPilot插件147
第4章算法交易与风险管理151
4.1市场微观结构理解与应用152
4.1.1订单簿的基本结构与功能152
4.1.2订单类型与执行机制154
4.1.3市场碎片化问题的理解与应对160
4.1.4交易延迟与市场深度的影响161
4.1.5临时与永久的滑点162
4.1.6订单失衡163
4.2交易策略开发：交易信号、执行和管理166
4.2.1基于连续时间马尔科夫链的交易策略166
4.2.2市价订单的建模与应用170
4.2.3交易信号的生成与验证174
4.2.4交易管理：订单追踪与调整174
4.3订单执行：买方策略、卖方策略与做市策略175
4.3.1买方策略的设计与实施（只有临时滑点）176
4.3.2卖方策略的设计与实施（临时与永久滑点）179
4.3.3做市策略的设计与实施183
4.4风险管理：风险度量、预测与控制186
4.4.1风险度量186
4.4.2风险预测189
4.4.3风险控制191
4.5资金管理：投资组合优化与资产配置192
4.5.1投资组合优化的理论与方法192
4.5.2基于Transformer模型的资产配置的策略与实施196
4.5.3使用GPT-4的代码解释器来解释做市策略203
第5章未来展望与挑战209
5.1探索多元化的大语言模型平台209
5.1.1科大讯飞——讯飞星火认知大模型210
5.1.2百度——文心一言大模型214
5.1.3智谱AI——智谱清言ChatGLM大模型220
5.1.4百川智能——百川大模型225
5.2量化金融与算法交易的发展趋势230
5.2.1量化金融与算法交易的新趋势230
5.2.2智能化金融服务的崛起232
5.3机遇与挑战：人工智能在金融领域中的双刃剑效应233
5.3.1技术驱动下的金融机遇233
5.3.2在监管环境中应对挑战233
5.4前瞻：人工智能与金融领域的未来合作235
5.4.1潜在的增长领域和创新点236
5.4.2面向未来的策略和合作路径237
|
| 內容試閱：
|
这项技术有什么前途
随着人工智能（AI），特别是自然语言处理（NLP）中的生成式AI工具如ChatGPT的飞速发展，金融领域正在经历一次技术变革。ChatGPT凭借其对文本的深度解读能力，在解析金融概念、解答相关疑问及分析市场情绪等方面都表现出色。更具体地说，AI提高了金融决策的全面性和准确性，助力于综合解读来自多种渠道的复杂信息。
其中，Transformer模型及其衍生版本，如BERT和GPT，在将NLP融入金融量化时，已经证明了其独特的价值。这些模型有能力整合如市场新闻、社交媒体动态和传统数值型数据，为用户呈现更全面、深刻的市场洞察。智能量化技术增强了投资与交易决策的质量，降低了人为因素导致的失误。此外，面对市场的持续变化，这些模型具备持续学习和调整的能力，确保策略与市场节奏同步。综合考虑，智能量化为金融机构和投资者提供了在复杂市场环境中取得优异表现的关键工具。
笔者的使用体会
在写作这本书的过程中，笔者对GPT-4有了深入的体验和了解。这是一款生成式AI，根据提问每次生成的内容都有所不同，而不仅仅是简单地根据既定的模式回答问题。对于用户来说，与ChatGPT交互的过程不仅仅是获得答案，更多的是与这一大型语言模型建立对话，不断提供反馈和精化样本来优化生成的结果。
事实上，正是因为这种独特的交互方式，笔者才得以从一个新颖的角度探索金融领域，而不受传统思维的约束。与ChatGPT的互动使笔者有机会挑战自己的认知，重新审视一些固有的观点，从而达到对金融知识的更深入的理解。
此外，通过与ChatGPT的对话，笔者也认识到，真正的大型语言模型不仅仅是为了“学习”用户的问题，更重要的是通过不断的对话和互动，优化模型的回应，使其更加贴近用户的真实需求和期望。这也意味着，用户和AI的对话不仅仅是获取答案，更多的是一个共同创造、不断进化的过程。
总的来说，笔者认为，与GPT-4这样的先进AI技术合作，不仅为本书的内容提供了独特的价值，更为金融领域的研究和教育提供了新的方向和思考。这种新的创作方式也使笔者深刻认识到，未来的金融教育和研究将越来越依赖于AI技术。而笔者坚信，传统的金融智慧与现代的AI技术相结合，将为读者带来一场知识与创新的盛宴，笔者期待与大家一同探索这一创新的旅程。
本书特色
（1）实战案例：本书中的每一个金融概念和模型都配备了通过Python生成的实战案例，使理论与实践紧密结合。
（2）全方位资源支持：为了让读者更容易跟随和实践，书中提到的所有代码和相关数据都已上传到百度网盘，方便读者下载和应用。
（3）Python从零开始：本书不仅涵盖金融知识，还从Python的基础开始教起，确保读者在没有任何编程基础的情况下也能逐步入门。
（4）内容新颖：在介绍金融和编程技术时，本书采用的软件包和工具都是截至本书出版时的官方最新版本，确保与时俱进。
（5）经验总结：书中融入了笔者多年的金融和编程教学经验，分享了许多实战中的技巧和经验教训。
本书内容
本书内容分为5章。
第1章是金融科技的基础知识，涵盖了量化金融、算法交易的历史和发展，以及Python编程的基础和ChatGPT的应用。
第2章专注于金融数据的处理与分析，详细介绍了数据来源、API链接的重要性，以及如何使用Python和ChatGPT进行数据处理和分析。
第3章深入探讨了量化策略与模型，包括统计学在金融领域中的应用、技术分析、基本面分析，以及机器学习和深度学习在金融领域中的应用。
第4章集中讨论了算法交易与风险管理，涵盖了市场微观结构、交易策略的开发、订单的执行、风险的度量和控制，以及资金管理的策略。
第5章为读者提供了量化金融与算法交易的未来展望与挑战，探讨了人工智能在金融领域中的机遇和挑战。
读者在阅读本书的过程中遇到问题可以通过邮件与笔者联系，笔者常用的电子邮箱是hello@huigong.info。
本书读者对象
（1）金融学研究生。
（2）量化分析师。
（3）金融技术开发者。
（4）投资经理和策略师。
（5）金融研究员和学者。
（6）金融教育工作者。
（7）对AI在金融领域中的应用感兴趣的读者。
笔者致谢
在完成这本书的过程中，笔者得到了许多人的无私支持和鼓励。首先，笔者要特别感谢OpenAI的ChatGPT，尤其是GPT-4版本。它不仅为本书提供了丰富的资料和洞见，更为笔者开启了全新的视角和创新的方法，使这本书真正独具特色。
笔者衷心感谢笔者的博导AlvaroCartea教授。作为牛津曼量化金融研究所（Oxford-ManInstituteofQuantitativeFinance）的主管，他一直是笔者追求学术路上的重要导师。在他的悉心指导下，笔者更深刻地理解了学术研究的核心价值和意义。
笔者要向前任主管HarryThapar教授表示深深的感激。作为威斯敏斯特大学商学院的金融与会计学院院长，他为笔者在金融领域提供了宝贵的专业指导和持续的支持。
同时，笔者也要向现任主管FrancescaMedda教授表示衷心的感谢。在她的引领下，笔者回归伦敦大学学院，并在伦敦大学学院金融与科技研究所开启了崭新的职业旅程。
最后，笔者要向家人送上最深的感谢。没有他们的不懈支持、深深的理解和持续的鼓励，笔者无法完成这本书的写作。感谢你们一直在笔者身边，陪伴笔者走过这段既富有挑战又收获颇丰的旅程。
温馨提示：本书所涉及的源代码已上传到百度网盘，供读者下载。请读者关注封底“博雅读书社”微信公众号，输入图书77页的资源下载码，根据提示获取。
|
|
購物車/收銀台(
0
) | 在線留言板
| 付款方式
| 運費計算
| 聯絡我們
| 幫助中心 |
加入書簽
HOME
新書上架
