内容简介

Python量化回溯、TensorFlow、PyTorch、MXNet深度学习平台以及神经网络模型，都是近年来兴起的前沿科技项目，相关理论、平台、工具目前尚处于摸索阶段。

TensorFlow是近年来影响大的神经网络、深度学习平台，本书从入门者的角度，对TensorFlow进行了介绍，《零起点TensorFlow与量化交易》中通过大量的实际案例，让初学者快速掌握神经网络和金融量化分析的基本编程，为进一步学习奠定扎实的基础。

《零起点TensorFlow与量化交易》中的案例、程序以教学为主，且进行了高度简化，以便读者能够快速理解相关内容，短时间了解Python量化回溯的整个流程，以及数据分析、机器学习、神经网络的应用。

《零起点TensorFlow与量化交易》仅仅作为入门课程，具体的实盘策略，有待广大读者通过进一步深入学习TensorFlow、PyTorch等新一代深度学习平台来获得。更重要的是，广大的一线实盘操作人员需要结合专业的金融操盘经验，与各种神经网络模型融会贯通，构建更加符合金融量化实际应用的神经网络模型，从而获得更好的投资回报收益。

目录

第1章 TensorFlow概述1

1.1 TensorFlow要点概括2

1.2 TensorFlow简化接口2

1.3 Keras简介3

1.4 运行环境模块的安装4

1.4.1 CUDA运行环境的安装4

案例1-1：重点模块版本测试5

案例1-2：GPU开发环境测试8

1.4.2 GPU平台运行结果9

第2章 无数据不量化(上)12

2.1 金融数据源13

2.1.1 TopDat金融数据集14

2.1.2 量化分析与试错成本15

2.2 OHLC金融数据格式16

案例2-1：金融数据格式17

2.3 K线图18

案例2-2：绘制金融数据K线图19

2.4 Tick数据格式22

案例2-3：Tick数据格式23

2.4.1 Tick数据与分时数据转换25

案例2-4：分时数据25

2.4.2 resample函数26

2.4.3 分时数据26

2.5 离线金融数据集29

案例2-5：TopDat金融数据集的日线数据29

案例2-6：TopDat金融数据集的Tick数据31

2.6 TopDown金融数据下载33

案例2-7：更新单一A股日线数据34

案例2-8：批量更新A股日线数据37

2.6.1 Tick数据与分时数据40

案例2-9：更新单一A股分时数据40

案例2-10：批量更新分时数据43

2.6.2 Tick数据与实时数据45

案例2-11：更新单一实时数据45

案例2-12：更新全部实时数据48

第3章 无数据不量化(下)51

3.1 均值优先51

案例3-1：均值计算与价格曲线图52

3.2 多因子策略和泛因子策略54

3.2.1 多因子策略54

3.2.2 泛因子策略55

案例3-2：均线因子55

3.3 “25日神定律”59

案例3-3：时间因子61

案例3-4：分时时间因子63

3.4 TA-Lib金融指标66

3.5 TQ智能量化回溯系统70

3.6 全内存计算70

案例3-5：增强版指数索引71

案例3-6：AI版索引数据库73

3.7 股票池77

案例3-7：股票池的使用77

3.8 TQ_bar全局变量类81

案例3-8：TQ_bar初始化82

案例3-9：TQ版本日线数据85

3.9 大盘指数87

案例3-10：指数日线数据88

案例3-11：TQ版本指数K线图89

案例3-12：个股和指数曲线对照图92

3.10 TDS金融数据集96

案例3-13：TDS衍生数据98

案例3-14：TDS金融数据集的制作102

案例3-15：TDS金融数据集2.0105

案例3-16：读取TDS金融数据集108

第4章 人工智能与趋势预测112

4.1 TFLearn简化接口112

4.2 人工智能与统计关联度分析113

4.3 关联分析函数corr113

4.3.1 Pearson相关系数114

4.3.2 Spearman相关系数114

4.3.3 Kendall相关系数115

4.4 open(开盘价)关联性分析115

案例4-1：open关联性分析115

4.5 数值预测与趋势预测118

4.5.1 数值预测119

4.5.2 趋势预测120

案例4-2：ROC计算120

案例4-3：ROC与交易数据分类123

4.6 n 1大盘指数预测128

4.6.1 线性回归模型128

案例4-4：上证指数n 1的开盘价预测129

案例4-5：预测数据评估133

4.6.2 效果评估函数136

4.6.3 常用的评测指标138

4.7 n 1大盘指数趋势预测139

案例4-6：涨跌趋势归一化分类140

案例4-7：经典版涨跌趋势归一化分类143

4.8 One-Hot145

案例4-8：One-Hot格式146

4.9 DNN模型149

案例4-9：DNN趋势预测150

第5章 单层神经网络预测股价156

5.1 Keras简化接口156

5.2 单层神经网络158

案例5-1：单层神经网络模型158

5.3 神经网络常用模块168

案例5-2：可视化神经网络模型170

案例5-3：模型读写174

案例5-4：参数调优入门177

第6章 MLP与股价预测182

6.1 MLP182

案例6-1：MLP价格预测模型183

6.2 神经网络模型应用四大环节189

案例6-2：MLP模型评估190

案例6-3：优化MLP价格预测模型194

案例6-4：优化版MLP模型评估197

第7章 RNN与趋势预测200

7.1 RNN200

7.2 IRNN与趋势预测201

案例7-1：RNN趋势预测模型201

案例7-2：RNN模型评估209

案例7-3：RNN趋势预测模型2211

案例7-4：RNN模型2评估214

第8章 LSTM与量化分析217

8.1 LSTM模型217

8.1.1 数值预测218

案例8-1：LSTM价格预测模型219

案例8-2：LSTM价格预测模型评估226

8.1.2 趋势预测230

案例8-3：LSTM股价趋势预测模型231

案例8-4：LSTM趋势模型评估239

8.2 LSTM量化回溯分析242

8.2.1 构建模型243

案例8-5：构建模型243

8.2.2 数据整理251

案例8-6：数据整理251

8.2.3 回溯分析262

案例8-7：回溯分析262

8.2.4 专业回报分析268

案例8-8：量化交易回报分析268

8.3 完整的LSTM量化分析程序279

案例8-9：LSTM量化分析程序280

8.3.1 数据整理280

8.3.2 量化回溯284

8.3.3 回报分析285

8.3.4 专业回报分析288

第9章 日线数据回溯分析293

9.1 数据整理293

案例9-1：数据更新294

案例9-2：数据整理296

9.2 回溯分析307

9.2.1 回溯主函数307

9.2.2 交易信号308

9.3 交易接口函数309

案例9-3：回溯分析309

案例9-4：多模式回溯分析316

第10章 Tick数据回溯分析318

10.1 ffn金融模块库318

案例10-1：ffn功能演示318

案例10-2：量化交易回报分析330

案例10-3：完整的量化分析程序343

10.2 Tick分时数据量化分析357

案例10-4：Tick分时量化分析程序357

总结371

附录A TensorFlow 1.1函数接口变化372

附录B 神经网络常用算法模型377

附录C 机器学习常用算法模型414

文档截图