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。
推荐序
前言
第1章 TensorFlow概述
1.1 TensorFlow要点概括
1.2 TensorFlow简化接口
1.3 Keras简介
1.4 运行环境模块的安装
第2章 无数据不量化(上)
2.1 金融数据源
2.2 OHLC金融数据格式
2.3 K线图
2.4 Tick数据格式
2.5 离线金融数据集
2.6 TopDown金融数据下载
第3章 无数据不量化(下)
3.1 均值优先
3.2 多因子策略和泛因子策略
3.3 “25日神定律”
3.4 TA-Lib金融指标
3.5 TQ智能量化回溯系统
3.6 全内存计算
3.7 股票池
3.8 TQ_bar全局变量类
3.9 大盘指数
3.10 TDS金融数据集
第4章 人工智能与趋势预测
4.1 TFLearn简化接口
4.2 人工智能与统计关联度分析
4.3 关联分析函数corr
4.4 open(开盘价)关联性分析
4.5 数值预测与趋势预测
4.6 n+1大盘指数预测
4.7 n+1大盘指数趋势预测
4.8 One-Hot
4.9 DNN模型
第5章 单层神经网络预测股价
5.1 Keras简化接口
5.2 单层神经网络
5.3 神经网络常用模块
第6章 MLP与股价预测
6.1 MLP
6.2 神经网络模型应用四大环节
第7章 RNN与趋势预测
7.1 RNN
7.2 IRNN与趋势预测
第8章 LSTM与量化分析
8.1 LSTM模型
8.2 LSTM量化回溯分析
8.3 完整的LSTM量化分析程序
第9章 日线数据回溯分析
9.1 数据整理
9.2 回溯分析
9.3 交易接口函数
第10章 Tick数据回溯分析
10.1 ffn金融模块库
10.2 Tick分时数据量化分析
总结
附录A TensorFlow 1.1函数接口变化
附录B 神经网络常用算法模型
附录C 机器学习常用算法模型
