共计 2789 个字符，预计需要花费 7 分钟才能阅读完成。
随着技术创新、算法冲破、大数据崛起以及一劳永逸的算力，很多行业正在经验人工智能所带来的巨变。在金融畛域，人工智能技术也已脱颖而出！在有数聪慧头脑和智慧机器的帮忙下，咱们是否将迎来这样的一天：金融市场达到齐全无效，从而使咱们能够释怀地认为所有的资产都被正确定价？这本《金融人工智能：用 Python 实现 AI 量化交易》笼罩了金融人工智能的若干重要方面。通过 Python 示例，介绍人工智能技术在金融数据分析中的利用。带你理解如何利用神经网络和强化学习等办法，对金融市场的走势做出预测。
本书分为六大部分。第一局部和第二局部介绍根本信息。在第三局部中，从统计学角度探讨金融市场生效的景象，并在此过程中借用人工智能中的神经网络技术。只有存在市场生效，并且能够通过人工智能算法对市场动向进行预测，才有可能进一步采纳算法交易从经济生效中获益，本书将在第四局部中探讨相干话题。如果咱们能够系统地从市场生效和经济生效中获益，那么这将与金融畛域家喻户晓的基础理论“无效市场假说”相矛盾。胜利设计出智能交易机器人始终以来被认为是金融畛域的“圣杯”，兴许人工智能将引领咱们实现这一终极目标。在这种状况下，人工智能将如何影响金融市场？金融奇点降临的可能性有多大？本书的第五局部将针对上述问题展开讨论。第六局部是技术附录，将结合实际用例为读者展现如何基于 Python 代码从零开始搭建神经网络。
本书是伊夫•希尔皮斯科博士基于多年开发、回测和部署人工智能算法交易策略的实战经验，展现了将人工智能算法利用于金融场景的实用办法。蕴含大量 Python 示例，有助于你边学边练，轻松复现书中的所有后果。浏览本书的五大播种（一）学习人工智能的次要概念和算法，并理解通用人工智能和超级智（二）了解机器学习和数据驱动的金融学将如何扭转金融实践和实际（三）使用神经网络和强化学习等办法，挖掘金融市场的统计生效景象（四）学习向量化回测和算法交易，并把握人工智能算法交易策略的执行与部署（五）瞻望金融人工智能的将来，波及基于人工智能的竞争和金融奇点市场竞争种类从过来到将来全景式了解 AI 在金融畛域的利用 机器学习常识 +Python 示例决胜 AI 金融新赛道作者介绍伊夫•希尔皮斯科（Yves Hilpisch），金融数学博士，Python Quants 公司创始人兼 CEO，致力于遍及人工智能、算法交易等相干技术在金融中的利用。此外，他还创立了 AI Machine 平台，提供人工智能算法交易策略的标准化部署。伊夫是国内量化投资分析师认证（CQF）讲师，讲授计算金融学、机器学习和算法交易。他还是第一批取得 Python 算法交易和 Python 计算金融学大学证书的在线培训我的项目的负责人。伊夫编写了金融剖析库 DX Analytics，并在伦敦、法兰克福、柏林、巴黎和纽约组织过多场对于 Python 的量化金融和算法交易的团聚、会议和训练营，并屡次在美国、欧洲和亚洲的技术会议上发表主题演讲。译者介绍石磊磊，在人工智能畛域深耕 20 余年，曾任职于蚂蚁金服、微软等国内外出名公司，主导了多个金融模型的开发，服务于寰球数亿设施，率领团队研发了工业级实时动态图风控系统，在金融风险治理和量化交易方面有丰盛的钻研教训和利用教训。余宇新，上海外国语大学副教授，金融大数据中心执行主任，上海市翻新政策评估钻研核心研究员，发表论文 40 余篇，开发大数据算法获国家发明专利受权 1 项，曾参加多项人工智能产品研发工作。李煜鑫，上海外国语大学副教授，硕士生导师；英国华威大学特聘研究员，博士生导师；英国约克大学经济学院博士；在国内外从事金融学相干钻研近 20 年，在国内外外围期刊上发表论文 30 余篇，撰写了多部专著。业余书评“凭借其全面和直观的办法，这将是金融畛域从业人员和学者的次要参考书。”——Abdullah Karasan 金融数据迷信学者“这是一本优良的机器学习实际指南，旨在解决量化金融畛域的一系列问题。”——Tim Nugent 路孚特公司研究员“这本书有助于相熟人工智能技术在量化投资交易中的利用之道。”——漆远复旦大学浩清特聘传授复旦大学人工智能翻新与产业研究院院长前蚂蚁团体副总裁“希尔皮斯科博士将正统金融实践和人工智能有机交融，率领读者一步步走进金融人工智能的世界。”——梁举 BigQuant 人工智能量化平台创始人兼 CEO“投资行业正处于一个减速改革的过程中。这本实用指南是不可多得的工具书。”——张一 CFA Institute 中国区总经理作者题记人工智能在金融交易中的利用依然是一个新生畛域。尽管在撰写本书时市面上曾经有一些对于这个方向的书，然而它们大多没有展现对于经济无效地利用统计学意义上的市场生效景象，人工智能意味着什么。一些对冲基金声称曾经齐全通过机器学习来治理投资者的资产。突出的案例是一家名为 Voleon Group 的对冲基金，截至 2019 年年底，该基金治理着超过 60 亿美元的资产（Lee 和 Karsh，2020）。依赖于机器学习，该基金在 2019 年的业绩为 7%，而同年，规范普尔 500 股票指数上涨了约 30%。本书基于多年来开发、回测和部署人工智能算法交易策略的实战经验。因为行业本身具备前沿性和保密性，本书所展现的办法和示例次要基于我自己的钻研。阐述和表白偏重实操，不免有失谨严，很多实例短少正规的实践证实或者试验验证。金融畛域或机器学习畛域的专家可能会对本书中的一些利用和案例持有齐全不同的意见。譬如说，François Chollet（2017）等机器学习和深度学习畛域的专家，对于预测金融市场这件事自身是否可行，持强烈的狐疑态度。某些金融畛域的专家，比方 Robert Shiller（2015），狐疑金融奇点这一天是否真的会到来。一些沉闷于两个畛域穿插方向的专家，比方 Marcos López de Prado（2018）则认为，在金融交易和投资中使用机器学习技术须要行业规模的投入，这意味着盛大的团队及巨量的估算。本书并非就每个主题所波及的各种观点给出一个中立、全面的认识。书中所展现的内容次要基于我的集体教训、演示示例和 Python 代码的实际考量。很多示例是为了展现特定观点和后果而无意抉择并做出调整的。因而，难免会被认为存在数据探查和过拟合的景象。本书的次要指标是使读者可能应用书中的代码示例作为框架，摸索使用人工智能进行金融交易这一令人兴奋的畛域。为实现此指标，本书始终以许多简化的假如为根底，并且次要采纳金融工夫序列数据以及基于此类数据的衍生特色。在理论利用中，当然不用局限于金融工夫序列数据，也能够应用多种其余数据类型和数据源。本书的特色衍生办法隐式地假如了金融工夫序列及衍生特色显示出的模式至多在肯定水平上会随工夫继续存在，并且能够用来预测将来的价格走势。在此背景下，本书提供的所有示例和代码实质上都是技术性和说明性的，并不代表任何举荐或投资倡议。
