金融科技丛书 MXNet神经网络与量化投资pdf电子书版本下载

点此进入-本书在线PDF格式电子书下载【推荐-云解压-方便快捷】直接下载PDF格式图书。移动端-PC端通用
种子下载[BT下载速度快] 温馨提示：（请使用BT下载软件FDM进行下载）软件下载地址页 直链下载[便捷但速度慢]   [在线试读本书]   [在线获取解压码]

金融科技丛书 MXNet神经网络与量化投资PDF格式电子书版下载

下载的文件为RAR压缩包。需要使用解压软件进行解压得到PDF格式图书。

建议使用BT下载工具Free Download Manager进行下载,简称FDM(免费,没有广告,支持多平台）。本站资源全部打包为BT种子。所以需要使用专业的BT下载软件进行下载。如 BitComet qBittorrent uTorrent等BT下载工具。迅雷目前由于本站不是热门资源。不推荐使用！后期资源热门了。安装了迅雷也可以迅雷进行下载！

（文件页数 要大于 标注页数，上中下等多册电子书除外）

注意：本站所有压缩包均有解压码： 点击下载压缩包解压工具

第1章 快速入门 1

1.1 MXNet简介 1

1.2 CUDA运行环境安装 4

1.3 MXNet运行环境安装 5

1.3.1 下载MXNet模块库 6

1.3.2 安装MXNet模块库预处理 6

1.3.3 安装MXNet模块库 9

案例1-1：重点模块版本测试 10

案例1-2：MXNet安装包测试 12

1.4 GPU开发环境测试 13

案例1-3：GPU开发环境测试 13

1.5 量化GPU工作站推荐配置 15

第2章 基本操作 18

2.1 NDArray数组 18

案例2-1：NDArray数组常用功能 19

2.2 GPU加速模式 26

案例2-2：GPU加速功能 26

案例2-3：Gluon的GPU计算 28

2.3 Matplotlib画图 30

案例2-4：Matplotlib常用功能 30

案例2-5：多子图绘制 31

2.4 常用数据文件 33

案例2-6：读取金融数据 33

2.5 TA-Lib金融模块库 36

2.6 MA移动平均线 40

案例2-7：MA均线指标 41

案例2-8：多MA均线指标 44

2.7 常用工具函数包 47

第3章 数据预处理 53

3.1 数据与预处理背景介绍 53

3.2 数据预处理常用技术 54

3.3 归一化 55

案例3:1：MinMaxScaler归一化 56

案例3-2：Standardization标准化 57

3.4 缺失值 58

案例3-3：Imputer缺失值补充 59

3.5 多项式特征 60

案例3-4：PolynomialFeatures多项式特征 60

第4章 线性神经网络模型 62

4.1 线性神经网络 62

案例4-1：line上证指数n＋1价格预测 64

4.2 Logistic逻辑回归模型 76

案例4-2：Logistic 上证指数涨跌预测 78

第5章 MLP神经网络模型 86

5.1 MLP多层感知器 86

案例5-1：MLP上证指数n＋1价格预测 88

5.2 SMA简单均线量化策略 99

案例5-2：MLP上证指数n＋1价格预测均线增强版 99

第6章 CNN卷积神经网络 104

6.1 CNN卷积神经网络简介 104

常用激活函数介绍 106

案例6-1：CNN 上证指数n＋1价格预测 109

6.2 ADX平均趋向量化投资策略 115

案例6-2：CNN 上证指数n＋1价格预测ADX增强版 116

第7章 GoogLeNet谷歌神经网络模型 121

7.1 GoogLeNet谷歌深度卷积神经网络模型 121

案例7-1：GoogLeNet上证指数n＋1价格预测 123

7.2 KELCH肯特纳通道量化投资策略 135

案例7-2：GoogLeNet上证指数n＋1价格预测（2） 135

第8章 ResNet深度残差网络模型 139

8.1 ResNet深度残差神经网络模型 139

8.2 Money Flow资金流向指标 142

案例8-1：ResNet深度残差时间序列预测A股资金流向 144

8.3 MOM动量线量化投资策略 149

第9章 RNN循环神经网络模型 150

9.1 RNN循环神经网络 150

9.2 RSI相对强弱指标 152

案例9-1：RNN上证指数n＋1价格预测 153

9.3 IRNN修正循环神经网络 174

案例9-2：IRNN上证指数n＋1价格预测 174

第10章 DenseNet稠密神经网络模型 178

10.1 DenseNet稠密神经网络模型 178

案例10-1：DenseNet上证指数n＋1价格预测 180

10.2 OBV能量潮量化投资策略 187

案例10-2：DenseNet上证指数n＋1价格预测 187

第11章 文本数据挖掘与量化 192

11.1 财经新闻数据 192

案例11-1a：获取财经新闻 193

11.2 直播新闻 195

案例11-1b：获取直播新闻 195

11.3 信息地雷 197

案例11-1c：获取信息地雷 198

11.4 定时器 199

案例11-2：进阶脚本——定时器 200

11.5 新闻数据库 206

案例11-3：使用sqlalchemy新闻数据库 206

第12章 财经新闻情感分类 214

12.1 文本数据分类 214

12.2 NLP与财经新闻数据 215

12.3 微博短文本数据情感分类 216

案例12-1：微博情感分类 217

12.4 贝叶斯微博情感分类器 236

案例12-2：微博数据情感分类2 237

第13章 金融数据可视化分析 245

13.1 Plotly绘图模块简介 245

案例13-1：Plotly入门案例 252

案例13-2：线形图与散点图 253

案例13-3：气泡图 255

案例13-4：柱状图 256

案例13-5：直方图 258

案例13-6：饼图 259

13.2 金融数据绘图 261

案例13-7：K线图 261

案例13-8：高级绘图1 263

13.3 Plotly高级绘图扩展 264

案例13-9：复合金融指标 264

案例13-10：高级绘图2 265

附录A Python快速入门 267

案例1：第一次编程“hello，ziwang” 267

案例2：增强版“hello，ziwang” 269

案例3：列举系统模块库清单 271

案例4：常用绘图风格 272

案例5：Pandas常用绘图风格 274

案例6：常用颜色表cors 275

案例7：基本运算 278

案例8：字符串入门 280

案例9：字符串常用方法 281

案例10：列表操作 283

案例11：元组操作 285

案例12：字典操作 286

案例13：控制语句 288

案例14：函数定义 290

附录B TA-Lib金融软件包 292

附录C 量化分析常用指标 297