1、 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 是近年来影响最大的神经网络、深度学习平台，本书从入门者的角度，对 TensorFlow进行了介绍，书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。本书中的案例、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，用最短的时间了解 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。本书仅仅作为入门
2、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。最重要的是，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。未经许可，不得以任何方式复制或抄袭本书之部分或全部内容。版权所有，侵权必究。图书在版编目（CIP）数据 零起点 TensorFlow 与量化交易何海群著.北京：电子工业出版社，2018.4（金融科技丛书）ISBN 978-7-121-33584-6 .零 .何 .人工智能算法研究 .TP18 中国版本图书馆 CIP 数据
3、核字（2018）第 019875 号 策划编辑：黄爱萍 责任编辑：葛 娜 印 刷：三河市双峰印刷装订有限公司 装 订：三河市双峰印刷装订有限公司 出版发行：电子工业出版社 北京市海淀区万寿路 173 信箱 邮编：100036 开 本：787980 1/16 印张：27.5 字数：506 千字 版 次：2018 年 4 月第 1 版 印 次：2018 年 4 月第 1 次印刷 定 价：99.00 元 凡所购买电子工业出版社图书有缺损问题，请向购买书店调换。若书店售缺，请与本社发行部联系，联系及邮购电话：（010）88254888，88258888。质量投诉请发邮件至 ，盗版侵权举报请发邮件至 。
4、本书咨询联系方式：（010）51260888-819，。推 荐 序 AlphaGo 与柯洁的黑白大战，因为对阵的一方是中国顶级围棋高手柯洁，所以引起国人的高度关注。利用百度搜索引擎输入 AlphaGo，一度可以得出 7000 多万条搜索结果，这远远高于其他热门词条。事实上，AlphaGo 只是 Google 拥有的两套人工智能系统中的一套。它是 Google 2014 年收购的 DeepMind 的人工智能系统，专注于棋赛开发。Google 的另外一套人工智能系统就是本书介绍的 TensorFlow 系统。在 TensorFlow 等人工智能系统出现之前，计算机所做的事情往往是简单重复的。计算
5、机会按照人类编好的既定程序，简单重复、按部就班地运行，没有超越人类事先为其设定的思维边界。计算机与人类的大脑相比，根本的区别在于不具备学习和创新能力。计算机顶多也就是记忆的信息多，重复计算的速度快，不受情绪的影响等。但是，在 TensorFlow 等人工智能系统出现之后，计算机所做的事情除简单重复运行之外，更重要的是其具备了一定的自我学习和创新能力。TensorFlow 等人工智能系统使得计算机在一定程度上能够自主学习，自我提高，总结过去的经验，汲取以往的教训，具备一定的创新性。这一点在 AlphaGo 与柯洁对垒的 3 场棋局的结果中不难看出。IV 零起点TensorFlow 与量化交易 这
6、正是以 AlphaGo 和 TensorFlow 为代表的人工智能系统区别于以往任何计算机技术的关键所在，也是 TensorFlow 被称为互联网以来唯一的“黑科技”项目的原因。具备了一定的自我学习和创造能力的人工智能系统的出现，将对经济系统的各个领域产生重大影响。笔者有着超过 20 年境内外金融行业从业经历，将从一个侧面分享人工智能对金融领域的影响。从整个金融业的历史沿革来看，这大致经历了 4 个阶段：纯人工阶段、单机电脑阶段、互联网（含移动互联网）阶段和人工智能阶段。随着每个阶段的渐次演进，提供金融服务一方的人力成本投入在逐渐减少，提供金融服务的效率在提高；对于接受金融服务的一方来说，金融
7、服务的可获得性，以及便捷程度在逐渐增加，金融服务越来越围绕着人进行，以人为中心的全方位的社会经济服务体系正在形成。在金融服务体系中，银行服务、证券服务、保险服务等的内部界限开始变得模糊，金融服务与其他非金融的社会经济服务之间的界限开始变得不清。特别是金融业进入人工智能阶段之后，人工智能系统将接受金融服务一方的身份特征数据、交易数据和行为数据等大数据，进行实时分析和动态跟踪，以远低于人工成本的成本，为每个人建立一个基于生命周期的综合金融模型，对每个人未来的金融行为进行预测，自动为他们提供账户资金管理、货币兑换、证券买卖、保险购买、购房购车计划、旅行休闲、子女教育、养老规划等方面的金融建议和授权代
8、理操作，并将模型预测结果与实际情况相比对，自主学习和修正模型，以便更加贴合接受金融服务一方的真实金融意图，使得人工智能模型的预测建议和人的实际金融行为无限接近。由此人类将从日常繁杂的各种金融交易中解放出来，投身到更需要自己或自己更感兴趣的方面。展望未来，人工智能的应用前景无限美好；探寻当下，人工智能在世界各地的各行各业方兴未艾。千里之行，始于足下。何海群先生的零起点 TensorFlow 与量化交易是有志推荐序 V 于人工智能领域的 IT 人士的一块敲门砖和铺路石。祝愿人工智能在华夏大地生根发芽，开花结果。梁 忠 梁忠：中国人民大学财政金融系博士，曾任里昂证券 CLSA 分析员；瑞银证券UBS
9、S 董事，财富管理中国研究部主管；瑞士信贷（香港）有限公司中国研究部董事；瑞信方正证券执行董事，研究部主管，具有 20 年国际顶级金融机构从业经历。前 言 感谢梁忠先生在百忙之中为本书撰写序言。以 TensorFlow 为代表的神经网络，被视为自互联网以来唯一的“黑科技”，无远弗届，无分行业领域，对社会各界从上至下带来彻底的颠覆与革命。梁忠先生作为非 IT 领域的学者、专家，从第三方角度，冷静地观察这场数字革命，同时向更多的大众介绍这场革命的火花，推动行业变革，功莫大焉。随着类似于 Titanic 数据集案例、梵高画风等一系列，基于 TensorFlow 等神经网络、深度学习项目的不断涌现，未
10、来的各个学科都会结合人工智能（AI），进行新的学术重组。“Python 量化三部曲”“Python 量化三部曲”包括：?零起点 Python 大数据与量化交易（入门课程）?零起点机器学习与量化交易（重点分析 SKLearn）?零起点 TensorFlow 与量化交易（重点分析 TensorFlow）此外，还有几部补充作品：?零起点 Python 足彩大数据与机器学习实盘分析?零起点 Python 机器学习快速入门 前言 VII?零起点 TensorFlow 快速入门?MXNet 神经网络与量化交易?Plotly 可视化数据分析 本书是零起点 TensorFlow 快速入门的后续之作，原本是 T
11、opQuant.vip 极宽量化培训课程高级班的教学课件，为了节省篇幅，删除了 Python 基础教程，以及SKLearn、TensorFlow 等机器学习方面的入门内容。没有经验的读者，建议先阅读 零起点 Python 机器学习快速入门零起点 TensorFlow 快速入门，再开始本书的学习，这样会收到事半功倍的效果。本书是目前较好的 TensorFlow 神经网络与量化分析入门教程：?无需任何理论基础，全程采用 MBA 案例模式，懂 Excel 就可看懂本书。?独创的逆向式课件模式，结合 TensorBoard 可视化系统，案例、图表优先，层层剖析。?系统介绍 TensorFlow 在金融
12、量化领域的具体应用，提供多组配套案例。?全套神经网络股票趋势预测、股票价格预测案例源码。?TDS 金融数据集的创建与使用。?三位一体的课件模式：图书+开发平台+成套的教学案例，系统讲解，逐步深入。本书采用独创的黑箱模式、MBA 案例教学机制，结合大量的经典案例，介绍TensorFlow 系统和常用的深度学习算法、神经网络模型，以及它们在量化分析当中的具体应用。进一步学习 读者如有兴趣可以进一步学习“Python 量化三部曲”的内容，以及 零起点 Python足彩大数据与机器学习实盘分析。机器学习、人工智能、金融量化，它们的基本原理是相通的，本质上都是数据分析。对于“Python 量化三部曲”的
13、读者而言，本书也有很大的价值，特别是对于 VIII 零起点TensorFlow 与量化交易 第一部入门课程的读者。Python 量化回溯与 TensorFlow、PyTorch、MXNet 等神经网络深度学习平台，都是近年来兴起的科技前沿领域，有关的理论、平台、工具目前还处于摸索阶段。“Python 量化三部曲”图书和 TopQuant.vip 极宽智能量化系统，只是在这些领域的起步阶段，作为入门教程，抛砖引玉。本书中的案例、程序以教学为主，进行了很多简化，以便大家能够快速理解相关内容，用最短的时间，了解 Python 量化回溯的整个流程，以及数据分析、机器学习、神经网络在这些领域的应用操作技
14、巧。神经网络、深度学习在量化实盘当中的应用，是目前全世界都在研究的顶尖课题，当前尚未有很好的模型与应用案例。本书仅仅作为入门课程，具体的实盘策略，有待广大读者通过进一步深入学习TensorFlow、PyTorch、MXNet 等新一代深度学习平台来获得。最重要的是，还有待广大的一线实盘操作人员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。网络资源 为避免版本冲突，建议本书的读者下载 zwPython 2018m1 版本的软件和最新版本的零起点 TensorFlow 与量化交易配套课件程序，作为配套学习课件。配套程序的下载
15、地址是 http:/ Python 运行环境如 Linux、Mac 平台的读者，请尽量使用 Python 3.5和 TensorFlow 1.1 版本，并自行安装所需的其他模块库。此外，需要注意的是，读者在运行书中案例时得到的结果，可能与本书略有差别，甚至多次运行同一个案例的结果也会有所差异，这属于正常情况。因为TensorFlow 等深度学习系统，内部都使用了随机数作为种子数，用于系统变量初始前言 IX 化等操作，每次分析的起点或者中间参数都有所不同。本书的案例程序已经做过优化处理，不需要 GPU 显卡，全部支持单 CPU 平台。不过，为了提高运行效率，笔者建议尽量使用 NVIDA 公司最新
16、一代的 GPU 显卡。目前是大数据、人工智能+时代，在这样的时代，计算力=生产力。与本书相关的网络资源如下。?网站：http:/www.TopQuant.vip http:/。?网盘地址：http:/ QQ 群：总群，124134140；QQ 2 群，650924099；QQ 3 群，450853713。?技术 Blog：http:/ Git 项目总览：https:/ 4k 云字库、zwPython、zwpy_lst。与本书相关的程序和数据下载，请浏览网站：TopQuant.vip 极宽量化社区，在网站的“下载中心”有最新的程序和数据下载地址。本书在 TopQuant.vip 极宽量化网站设有专栏，若对本书、人工智能和机器学习有任何建议，请在网站专栏或 QQ 群留言，我们会在第一时间进行反馈和答复。TopQuant 极宽量化网站“资源中心”的网址：http:/www.topquant.vip/?p=56 http:/ 本书的出版要特别感谢电子工业出版社的黄爱萍和葛娜编辑，感谢她们在选题策划和稿件整理方面做出的大量工作。同时，在本书创作过程中，极宽开源量化团队和培训班的全体成员，提出了很
