首页 美股书籍 正文

股票大数据挖掘实战:股票预测篇+量化交易之路+高频交易(原书第2版)套装共3册

扫码手机浏览

  

内容简介:  

本书围绕股票大数据挖掘技术展开,主要介绍数据挖掘的方法及其在股票大数据上的实战应用。在1~3章中首先介绍数据挖掘的基本概念、常用算法和工具、大数据炒股、股票时间序列、量化投资、股票数据的获取等;在4~10章中,每一章根据股票挖掘的不同目标,介绍相关的数据挖掘算法,同时基于对基础算法的优劣势分析,提出适用于股票场内实盘交易全景数据分析的新方法,结合新方法在股票挖掘平台上的实现对股票的操作进行实战解析。具体包括:分类方法及股票买卖点的判断;相似/相关匹配方法及股票走势的预测;动态时间规整相似股票判断与投资组合;马尔科夫模型与股票盘面强弱状态的判断;关联规则与股票间的延时涨跌联动;n-gram模型与股票的幅值组合关系;深度学习与循环滚动预测等。  

图书目录:  

第1章数据挖掘基础  

1.1数据挖掘概述  

1.1.1数据挖掘的过程  

1.1.2数据挖掘的任务  

1.1.3数据挖掘的应用  

1.1.4数据挖掘的存在问题、未来发展和挑战  

1.2常用的数据挖掘算法  

1.3数据挖掘工具  

1.3.1MATLAB  

1.3.2SAS  

1.3.3SPSS  

1.3.4WEKA  

1.3.5R  

1.3.6工具的比较与选择  

1.4数据挖掘与云计算  

1.5Mahout分布式框架  

1.5.1Mahout简介  

1.5.2Mahout算法集  

1.5.3Mahout系统架构  

1.5.4Mahout的优缺点  

第2章股票大数据挖掘  

2.1股票大数据  

2.1.1大数据概述  

2.1.2大数据的处理  

2.1.3大数据炒股  

2.2股票预测  

2.2.1预测基础知识  

2.2.2股票预测的结构  

2.2.3股票预测技术  

2.3量化投资  

2.3.1什么是量化投资  

2.3.2量化投资的特点  

2.3.3量化投资的方法  

2.3.4量化投资选股模型  

2.3.5多因子选股模型  

2.3.6量化模型的建立  

第3章股票数据的准备  

3.1股票相关数据  

3.2数据的获取源  

3.2.1从雅虎获取历史交易数据  

3.2.2从腾讯获取实时交易数据  

3.2.3从新浪获取交易数据  

3.2.4从网易获取成交明细数据  

3.2.5从巨潮资讯获取基础数据  

3.2.6多源获取UGC数据  

3.3数据获取技术  

3.3.1网络爬虫技术  

3.3.2HTML解析  

3.3.3XML解析  

3.3.4JSON解析  

3.4数据预处理  

3.4.1数据清理  

3.4.2数据集成  

3.4.3数据变换  

3.4.4数据归约  

第4章分类方法与股票买卖点判断  

4.1分类概述  

4.2朴素贝叶斯  

4.2.1朴素贝叶斯分类算法的概念  

4.2.2朴素贝叶斯分类器模型  

4.2.3朴素贝叶斯分类器的优缺点  

4.2.4朴素贝叶斯分类器的应用  

4.2.5扩展的分类器  

4.3决策树  

4.3.1决策树方法介绍  

4.3.2属性选择的度量方法  

4.3.3剪枝技术  

4.3.4常用的决策树分类算法  

4.3.5ID3算法  

4.3.6C4.5算法  

4.3.7CART算法  

4.3.8SLIQ算法  

4.3.9SPRINT算法  

4.3.10PUBLIC算法  

4.3.11算法比较  

4.4支持向量机  

4.4.1*优分类面  

4.4.2广义的*优分类面  

4.4.3序列*小*优化算法  

4.4.4核函数  

4.4.5SVM参数优化问题  

4.4.6SVM分类器  

4.5评价指标  

4.6基于SVM算法的股票买卖点判断  

4.6.1数据预处理  

4.6.2买卖点定义  

4.6.3买卖点判断  

第5章匹配方法与股票走势的预测  

第6章相似股票判断与投资组合  

第7章股票盘面强弱状态的判断  

第8章股票间的延时联动涨跌规则  

第9章股票涨跌的幅值组合关系  

第10章股票的循环滚动预测方法  

参考文献  

基本信息:  

书名:量化交易之路:用Python做股票量化分析  

ISBN:9787111575214  

定价:89.00  

出版社:机械工业出版社  

内容简介:  

本书从对量化交易的正确认识出发,循序渐进地讲解了量化交易所需要了解的各种知识及工具。书中特别穿插了大量的开发技巧与交易技巧,还提供了大量基于真实交易的实例,有很强的实用性。本书偏重于量化技术在实际交易中的应用,读者不需要有深厚的数学功底即可阅读。  

本书共11章,分为4部分。第1部分讲解了对量化交易的正确认识;第2部分讲解了量化交易的基础,如Python语言、数学和几种数据分析工具等;第3部分讲解了量化交易系统的开发与使用,以及基础度量概念及*优参数等问题;第4部分讲解了机器学习技术在量化交易中的实际应用。附录中还给出了量化环境部署、量化相关性分析、量化统计分析及指标应用等相关内容。  

本书适合所有对量化交易感兴趣的人员阅读,也适合相关院校和培训机构作为量化交易系统课程的教材。阅读本书,建议读者有一定的编程基础。  

一分钟了解本书内容精华:  

量化引言  

量化语言——Python  

量化工具——NumPy  

量化工具——pandas  

量化工具——可视化  

量化工具——数学  

量化系统——入门  

量化系统——开发  

量化系统——度量与优化  

量化系统——机器学习?*老三  

量化系统——机器学习?abu  

量化环境部署  

量化相关性分析  

量化统计分析及指标应用  

作者简介:  

阿布  

曾就职于奇虎360、百度互联网证券、百度金融等互联网型金融公司。有近10年的互联网金融技术从业经验。现作为自由职业者,从事个人量化交易及量化交易的培训工作。擅长中小资金量化交易系统的开发,并为中小型量化私募资金提供技术解决方案与支持。  

基本信息:  

书名:高频交易(原书第2版)  

ISBN:9787111586302  

定价:65.00  

出版社:机械工业出版社  

内容简介:  

《高频交易》第1版出版以来,高频交易技术引发了无数的争论与关注。更多的学者与专业人士加入到量化投资的军备竞赛中,更多复杂的模型与分析方法也因此应运而生。  

高频交易也因此在不断进化,高频交易程序变得更为智能、复杂。做市商是高频交易应用的主要战场之一,而这一市场传统上长期是由人来完成的。在第2版中,本书增加了做市商市场策略。另外本版还强化了对于高频交易风险管理模型与框架的讨论,这对于量化交易者获得稳定而持续的收益来说,至关重要。  

高频交易第2版中加入了很多高频交易领域的*新发展动向,作者基于自己以及其投顾客户的实际操作经验重新设置了大部分章节,可以说这是一本重新撰写的新书。在上一版中,本书很多模型还仍然停留在数字分析状态,而本版解释了这些模型背后的逻辑,甚至包括一些可以直接应用到实践中的交易框架。  

当然*有价值的还是作者在几年中积累的高频交易数据,这些数据对于优化程序与交易程序有着至关重要的作用。  

作者简介:  

艾琳·奥尔德里奇,ABLE阿尔法交易有限公司的合伙人以及量化投资组合经理。ABLE阿尔法是一家专业使用高频系统交易策略的专属投资公司,该网站向机构及散户提供*新高频交易研究成果。  

在加入ABLE阿尔法之前,艾琳·奥尔德里奇还在华尔街和多伦多的多家金融机构任职,其中包括高盛和加拿大帝国商业银行;她还曾经在多伦多大学教授金融学。她拥有欧洲工商管理学院MBA学位、哥伦比亚大学金融工程学理学硕士学位,以及纽约库珀联合学院电气工程学工学学士学位。  

奥尔德里奇是众多顶*行业聚会的演讲嘉宾以及学术和前沿出版物的撰稿人,这些刊物包括JournalofTrading、JournalofAlternativeInvestments、E-Forex、HedgeWorld、FXweek、FINalternatives、WealthManager和DealingWithTechnology等。她还经常在商业电视节目中露面,其中包括CNBC、FoxBusiness和《乔恩·斯图尔特每日秀》等。  

精彩书评:  

本书揭示了IT技术如何主导现代金融市场,作者用自己的知识背景向读者展示了这场金融科技革命是如何爆发的,如何从经济技术领域逐渐融入我们的日常生活。  

——萨沙·斯托克夫  

康奈尔大学运筹学与信息工程专业高级研究员  

本书用一种简明易懂的方式介绍高频交易这个复杂主题,让更多的读者能理解高频交易领域,但是本书还介绍了很多这个复杂行业的细节,有助于研究者深入了解该行业。  

——查尔斯·塔皮耶罗  

纽约大学理工学院金融工程与技术管理Toper杰出教授  

一部深思熟虑、非常实用的指南著作,涵盖了高频交易和系统交易的方方面面。我高度推荐此书。  

——伊戈尔·图钦斯基  

世坤投资咨询有限责任公司CEO  

对传统的基本面分析师和技术分析师而言,读艾琳·奥尔德里奇的书就像传统的物理学牛顿家*一次读到量子物理学一样:大开眼界,充满挑战,发人深省。  

——尼尔M.爱泼斯坦  

CFA,普罗克特投资咨询有限责任公司  

研究与产品管理部董事总经理


關註我們:twitter.com/TodayUSStock
版權聲明

1. 本文采編於互聯網,如若轉載,請標註文章來源和作者;
2. 今日美股(www.todayusstock.com)登載此文出於傳遞更多信息之目的,並不意味著贊同其觀點或證實其描述;
3. 文章內容僅供參考,不構成投資建議,投資者據此操作,風險自擔。