金融深度学习
金融深度学习
Sofien Kaabar
程显通, 金辛夷, 杨超群 译
出版时间:2025年12月
页数:368
“本书是一部权威之作,堪称量化交易、数据科学与金融算法领域的里程碑。”
——Amaury Goguel
巴黎SKEMA商学院
金融市场与投资理学
硕士项目负责人
“身为量化投资专员,我希望在初涉机器学习交易算法时有一本这样的书。”
——Ning Wang
巴克莱银行量化投资专员

深度学习正以迅猛之势席卷金融与交易领域。然而,对众多专业交易者而言,这一学科素以艰深复杂著称。本书作为一本实操指南,能带领你运用Python从零构建深度学习交易模型,同时帮助你创建基于机器学习及强化学习的交易算法,并对算法进行
回测。
金融作家、交易顾问兼机构市场策略师Sofien Kaabar开创性地提出将技术与量化分析相融合的深度学习策略。本书以独到视角将深度学习原理与技术分析熔铸一炉,为金融交易领域注入破界新思。这部全景式指南涵盖了技术面分析、机器学习算法评估及算法优化等的完整知识体系。
● 理解并构建机器学习与深度学习模型。
● 探索强化学习原理及其在时间序列中的应用。
● 掌握模型性能评估指标的解读方法。
● 研习技术面分析及其在金融市场的作用机制。
● 用Python创建技术指标,并与机器学习模型协同优化。
● 评估模型盈利能力与预测表现,洞悉其边界与潜力。
  1. 前言
  2. 第1章 数据科学与交易入门
  3. 1.1 理解数据
  4. 1.2 理解数据科学
  5. 1.3 金融市场和交易入门
  6. 1.4 数据科学在金融中的应用
  7. 1.5 小结
  8. 第2章 深度学习中的基础概率方法
  9. 2.1 概率论入门
  10. 2.2 概率论的基本概念
  11. 2.3 抽样与假设检验
  12. 2.4 信息论入门
  13. 2.5 小结
  14. 第3章 描述性统计与数据分析
  15. 3.1 集中趋势的度量
  16. 3.2 差异量数
  17. 3.3 分布形态的度量
  18. 3.4 数据可视化
  19. 3.5 相关性
  20. 3.6 平稳性
  21. 3.7 回归分析和统计推断
  22. 3.8 小结
  23. 第4章 深度学习的线性代数和微积分
  24. 4.1 线性代数
  25. 4.1.1 向量与矩阵
  26. 4.1.2 线性方程入门
  27. 4.1.3 方程组
  28. 4.1.4 三角学
  29. 4.2 微积分
  30. 4.2.1 极限和连续
  31. 4.2.2 导数
  32. 4.2.3 积分与微积分基本定理
  33. 4.2.4 优化
  34. 4.3 小结
  35. 第5章 技术面分析入门
  36. 5.1 图表分析
  37. 5.2 指标分析
  38. 5.2.1 移动平均线
  39. 5.2.2 相对强弱指数
  40. 5.3 模式识别
  41. 5.4 小结
  42. 第6章 数据科学的Python入门
  43. 6.1 下载Python
  44. 6.2 基础操作与语法
  45. 6.3 控制流
  46. 6.4 库与函数
  47. 6.5 异常处理与错误
  48. 6.6 numpy和pandas中的数据结构
  49. 6.7 Python中导入金融时间序列数据
  50. 6.8 小结
  51. 第7章 用于时间序列预测的机器学习模型
  52. 7.1 框架
  53. 7.2 机器学习模型
  54. 7.2.1 线性回归
  55. 7.2.2 支持向量回归
  56. 7.2.3 随机梯度下降回归
  57. 7.2.4 近邻回归
  58. 7.2.5 决策树回归
  59. 7.2.6 随机森林回归
  60. 7.2.7 AdaBoost回归
  61. 7.2.8 XGBoost回归
  62. 7.3 过拟合与欠拟合
  63. 7.4 小结
  64. 第8章 用于时间序列预测的深度学习I
  65. 8.1 神经网络漫谈
  66. 8.1.1 激活函数
  67. 8.1.2 反向传播
  68. 8.1.3 优化算法
  69. 8.1.4 正则化技术
  70. 8.1.5 多层感知机
  71. 8.2 循环神经网络
  72. 8.3 长短期记忆
  73. 8.4 时间卷积神经网络
  74. 8.5 小结
  75. 第9章 用于时间序列预测的深度学习II
  76. 9.1 分数阶差分
  77. 9.2 预测阈值
  78. 9.3 持续迭代训练
  79. 9.4 时间序列交叉验证
  80. 9.5 多步预测
  81. 9.6 对多层感知机应用正则化
  82. 9.7 小结
  83. 第10章 使用深度强化学习预测时间序列
  84. 10.1 强化学习的直观理解
  85. 10.2 深度强化学习
  86. 10.3 小结
  87. 第11章 高级技术与策略
  88. 11.1 预测交易者持仓报告(COT)的长期趋势
  89. 11.1.1 算法1:COT 间接单步预测模型
  90. 11.1.2 算法2:COT直接多步预测模型
  91. 11.1.3 算法3:COT递归多步预测模型
  92. 11.1.4 汇总
  93. 11.2 使用技术指标作为输入
  94. 11.3 使用深度学习预测比特币波动率
  95. 11.4 训练过程的实时可视化
  96. 11.5 小结
  97. 第12章 市场驱动因素与风险管理
  98. 12.1 市场驱动因素
  99. 12.1.1 市场驱动因素和经济直觉
  100. 12.1.2 新闻解读
  101. 12.2 风险管理
  102. 12.2.1 风险管理基础
  103. 12.2.2 行为金融学:偏差的力量
  104. 12.3 小结
书名:金融深度学习
作者:Sofien Kaabar
译者:程显通, 金辛夷, 杨超群 译
国内出版社:中国电力出版社
出版时间:2025年12月
页数:368
书号:978-7-5239-0540-1
原版书书名:Deep Learning for Finance
原版书出版商:O'Reilly Media
Sofien Kaabar
 
Sofien Kaabar是一位金融领域的作者,交易顾问,还是一位专注于货币市场的机构市场策略师,他主要关注技术和量化方面的课题。Sofien致力于让技术分析客观化,为此,他使用那些与传统的指标相媲美的技术指标,来创建清晰的、可被分析的信号条件,并将这些信号条件应用到技术分析中。
 
 
本书的封面动物是一只扇尾金鱼(学名:Carassius auratus)。扇尾金鱼属于常见的观赏金鱼。它们并无野生分布,而是人类为获得特定性状在鱼缸中饲养、经数代选育所得的品种。
扇尾金鱼的显著特征是其双尾结构,它有上下两片尾鳍。扇尾金鱼体型短圆如卵,呈球状膨隆;约六月龄时双眼发育为龙睛。体色多为橙或白,亦有红色系或花色变种。成年体长6~8英寸,寿命随饲养条件在5~15年间浮动。
金鱼属杂食性,需喂食高营养饲料以防失鳔症。若投喂颗粒饲料,须选择易消化规格。因胃酸分泌弱,此类金鱼主要依赖磨碎食物以助消化。亦可使用丰年虾、水蚤、血虫等活体或冷冻饵料饲养。
购买选项
定价:128.00元
书号:978-7-5239-0540-1
出版社:中国电力出版社