MXNet是亚马xun的深度学习库，以简单、高效、容易使用而著称。它拥有类似于Theano和TensorFlow的数据流图，为多GPU装置提供了良好的配置。《MXNet神经网络与量化投资》以MXNet作为研究实践平台，实现量化投资交易。书中主要介绍了在MXNet环境下，利用深度学习常用算法，实现线性、MLP、CNN卷积、GoogLeNet、ResNet深度残差、RNN循环神经网络、DenseNet稠密神经网络等多种模型在量化投资和股价预测方面的应用，同时采用NLP语义分析技术，対股票价格走势进行统计分析，以及金融数据的可视化分析，得到更直观的模型分析效果，通过先进的人工智能模型，在量化投资领域中取得较高收益。
内容简介
前言
第1章 快速入门
1.1 MXNet简介
1.2 CUDA运行环境安装
1.3 MXNet运行环境安装
1.4 GPU开发环境测试
1.5 量化GPU工作站推荐配置
第2章 基本操作
2.1 NDArray数组
2.2 GPU加速模式
2.3 Matplotlib画图
2.4 常用数据文件
2.5 TA-Lib金融模块库
2.6 MA移动平均线
2.7 常用工具函数包
第3章 数据预处理
3.1 数据与预处理背景介绍
3.2 数据预处理常用技术
3.3 归一化
3.4 缺失值
3.5 多项式特征
第4章 线性神经网络模型
4.1 线性神经网络
4.2 Logistic逻辑回归模型
第5章 MLP神经网络模型
5.1 MLP多层感知器
5.2 SMA简单均线量化策略
第6章 CNN卷积神经网络
6.1 CNN卷积神经网络简介
6.2 ADX平均趋向量化投资策略
第7章 GoogLeNet谷歌神经网络模型
7.1 GoogLeNet谷歌深度卷积神经网络模型
7.2 KELCH肯特纳通道量化投资策略
第8章 ResNet深度残差网络模型
8.1 ResNet深度残差神经网络模型
8.2 MoneyFlow资金流向指标
8.3 MOM动量线量化投资策略
第9章 RNN循环神经网络模型
9.1 RNN循环神经网络
9.2 RSI相对强弱指标
9.3 IRNN修正循环神经网络
第10章 DenseNet稠密神经网络模型
10.1 DenseNet稠密神经网络模型
10.2 OBV能量潮量化投资策略
第11章 文本数据挖掘与量化
11.1 财经新闻数据
11.2 直播新闻
11.3 信息地雷
11.4 定时器
11.5 新闻数据库
第12章 财经新闻情感分类
12.1 文本数据分类
12.2 NLP与财经新闻数据
12.3 微博短文本数据情感分类
12.4 贝叶斯微博情感分类器
第13章 金融数据可视化分析
13.1 Plotly绘图模块简介
13.2 金融数据绘图
13.3 Plotly高级绘图扩展
附录A Python快速入门
案例1:第一次编程“hello,ziwang”
案例2:增强版“hello,ziwang”
案例3:列举系统模块库清单
案例4:常用绘图风格
案例5:Pandas常用绘图风格
案例6:常用颜色表cors
案例7:基本运算
案例8:字符串入门
案例9:字符串常用方法
案例10:列表操作
案例11:元组操作
案例12:字典操作
案例13:控制语句
案例14:函数定义
附录B TA-Lib金融软件包
TA-Lib函数调用
