简介
目录
目录
智能证券投资概要 002
1.1 智能证券投资学的提出 003
1.1.1 为什么提出智能证券投资学 003
1.1.2 什么是智能证券投资学 003
1.1.3 如何实现智能证券投资 004
1.2 个性投资自动化 005
1.2.1 海天4S：一种理性投资的科学方法 005
1.2.2 宏观判势 006
1.2.3 具体实施 006
1.2.4 以史为鉴 006
1.2.5 悟道出师 007
1.2.6 自动化辅助与章节安排 007
1.3 自动投资个性化 007
1.3.1 什么是自动证券投资 007
1.3.2 自动证券投资的5L层次结构 008
1.3.3 SADI：一种自动投资智能体结构 010
1.4 智能证券投资两种实现方法对比 011
1.4.1 智能证券投资两种实现方法的对应关系 011
1.4.2 智能证券投资实现方法的适用人群 012
1.4.3 智能证券投资相关领域 013
1.5 评测诊断与实例 014
1.5.1 评测三要素 014
1.5.2 诊断方法：业绩归因 016
1.5.3 个性投资自动化实例：海天4S 017
1.5.4 自动投资个性化实例：海知AI-01 018
1.6 平台实训：盘感训练 020
1.6.1 实训意义 021
1.6.2 赛前训练 021
1.6.3 比赛测试 022
1.6.4 成绩排名 023
1.7 小结 024
本章习题与实训 025
基础知识 028
2.1 智能证券投资基础 029
2.1.1 什么是人工智能 029
2.1.2 个性投资自动化基础 030
2.1.3 自动投资个性化基础 030
2.2 股票 032
2.2.1 常用量化因子 032
2.2.2 股票投资的三个要点 035
2.2.3 股票的语义属性 037
2.2.4 单因子选股 038
2.2.5 多因子选股 039
2.3 债券 040
2.3.1 债券分类 040
2.3.2 债券的净价与全价 041
2.3.3 到期收益率 041
2.3.4 剩余年限与骑乘效应 043
2.3.5 债券的信用评级 043
2.3.6 债券选择的三个要点 044
2.3.7 其他常用量化因子 046
2.3.8 可转债 046
2.3.9 债券量化选择 047
2.4 现金及等价物 048
2.4.1 现金及等价物的基本概念 048
2.4.2 货币资金与现金及等价物的关系 048
2.4.3 证券品种中的现金等价物 049
2.5 其他常见证券品种 050
2.5.1 期货 050
2.5.2 权证 052
2.6 证券交易与模拟投资 054
2.6.1 证券交易 054
2.6.2 模拟投资 055
2.7 平台实训：模拟投资 055
2.7.1 实训意义 055
2.7.2 实训内容 055
2.7.3 比赛测试 059
2.7.4 成绩排名 060
2.8 小结 060
本章习题与实训 061
宏观判势 064
3.1 股市的趋势 065
3.1.1 牛市 065
3.1.2 熊市 067
3.1.3 无趋势 067
3.2 债市的趋势 068
3.2.1 国债的趋势 068
3.2.2 企债的趋势 069
3.3 现金等价物的趋势 069
3.4 股市判势方法 070
3.4.1 三角度宏观判势方法 070
3.4.2 三角度宏观判势的特征 071
3.4.3 三阶段判势 072
3.5 投资策略与交易品种 073
3.5.1 股债金的投资策略重点 073
3.5.2 股市确定趋势策略 074
3.5.3 股市非确定趋势策略 075
3.5.4 半确定性两极逆势反转策略 076
3.5.5 半确定性中段全进全出策略 077
3.5.6 策略约束 077
3.5.7 宏观趋势对应投资品种 077
3.6 评测方法 078
3.6.1 仓位配置基准对比法 078
3.6.2 时间细化百分法 080
3.6.3 时间细化百分法示例 083
3.6.4 应用 085
3.7 平台实训 086
3.7.1 趋势判断 086
3.7.2 投资操作 086
3.7.3 评测比较 086
3.8 小结 086
本章习题与实训 087
具体实施 091
4.1 证券品种的选择方法 092
4.1.1 趋势投资选股 092
4.1.2 价值投资选股 092
4.1.3 博弈投资选股 093
4.1.4 债券品种选择 093
4.2 证券品种的分类体系 094
4.2.1 个体证券品种 094
4.2.2 群体证券品种 095
4.2.3 总体层次结构 096
4.3 证券品种的走势对比 099
4.3.1 多品种对比的立体模型和降维视图 100
4.3.2 基于群体颗粒度的对比 103
4.3.3 基于时间颗粒度的对比 107
4.3.4 基于用户颗粒度的对比 108
4.3.5 结合走势对比的选股方法 109
4.4 投资策略和方法 109
4.4.1 趋势投资 110
4.4.2 价值投资 111
4.4.3 博弈投资 112
4.4.4 策略约束和实施方法 112
4.5 评测方法 113
4.5.1 排序评分法 113
4.5.2 单一品种（个体和群体）评测 115
4.5.3 个体组合评测（择股） 116
4.5.4 群体组合评测(择行) 118
4.6 平台实训 120
4.6.1 个体和群体证券品种选择 120
4.6.2 伯乐相马看图筛选 120
4.6.3 投资决策 123
4.6.4 投资操作 123
4.6.5 评测比较 123
4.7 小结 123
本章习题与实训 124
以史为鉴 127
5.1 复杂收益率计算的常用方法和偏好
约束 128
5.1.1 复杂收益率计算方法和偏好
约束 128
5.1.2 成本计算法 130
5.1.3 时间加权法 132
5.1.4 均一计算法 134
5.2 多偏好约束满足的SEA双加权算法 136
5.2.1 SEA网格构建 137
5.2.2 基于SEA网格的双加权算法 139
5.2.3 双加权收益率算法示例 140
5.2.4 双加权收益率计算的偏好约束满足论证 143
5.2.5 双加权收益率计算方法的应用场景 145
5.2.6 多种方法组合 148
5.3 评测：投资行为分析 149
5.3.1 用户数据预处理 149
5.3.2 总体评测 150
5.3.3 个体分析 152
5.4 诊断：业绩归因 154
5.4.1 “三五”归因法 154
5.4.2 “三五”归因法的约束公式 156
5.5 平台实训 157
5.5.1 总体评测 157
5.5.2 个体评测 158
5.5.3 业绩归因 159
5.5.4 结果点评 159
5.6 小结 160
本章习题与实训 161
悟道出师 164
6.1 基于海天4S的悟道出师之路 165
6.1.1 宏观判势，提出你的观点 165
6.1.2 具体实施，记录你的操作 166
6.1.3 以史为鉴，验证你的决策 166
6.1.4 悟道出师，完善你的理念 166
6.2 知人者智，换位思考 167
6.2.1 市场信息处理 167
6.2.2 市场参与各方分析 168
6.2.3 简单的博弈模型与案例 168
6.2.4 评测方法 170
6.3 自知者明，摆正心态 177
6.3.1 个性偏好认知 177
6.3.2 顺境不忘风险 177
6.3.3 逆境谨防失控 178
6.3.4 评测方法 179
6.4 提高效率，实训辅助 179
6.4.1 社区交流 180
6.4.2 模拟、实盘、比赛 180
6.4.3 操盘回放 180
6.4.4 评测、诊断、提高 181
6.5 小结 182
本章习题与实训 183
价值投资的多因子策略 187
7.1 自动投资总体框架 188
7.1.1 自动证券投资整体结构 188
7.1.2 证券市场环境体系及证券投资者 190
7.1.3 感知量化 191
7.1.4 任务执行 192
7.1.5 评测归因与学习进化 194
7.2 自动投资简单示例 194
7.2.1 感知量化（Sensing） 194
7.2.2 任务执行（Acting） 196
7.2.3 评测诊断（Diagnosing） 196
7.2.4 学习进化（Improving） 197
7.3 多因子选择自动投资策略 197
7.3.1 策略制定 197
7.3.2 策略执行 199
7.3.3 策略测试 200
7.3.4 策略改进 200
7.4 平台实训 200
7.4.1 海知平台自动投资策略介绍 200
7.4.2 海知平台自动投资机器人定制 202
7.4.3 实例分析 210
7.5 小结 213
本章习题与实训 213
趋势自动投资方法 215
8.1 基于双均线策略的自动投资策略 216
8.1.1 移动平均的基本概念 216
8.1.2 移动平均线的实例 217
8.1.3 基于移动平均的投资策略 218
8.1.4 自动投资策略的算法实现 219
8.1.5 实验设计与投资结果分析 221
8.2 基于回归的ARIMA自动投资策略 224
8.2.1 回归概念简述 225
8.2.2 回归分析方法与自动投资任务形式化 226
8.2.3 使用ARIMA模型的前提条件 227
8.2.4 ARIMA模型的基本理论 231
8.2.5 实验设计与投资结果分析 233
本章习题与实训 237
智能博弈决策的模型和算法 240
9.1 基于时序窗口演化的自动投资策略构建 241
9.2 基于遗传算法的自动投资方法 243
9.2.1 策略种群遗传算法 244
9.2.2 自动投资实验设计及结果分析 250
9.3 采用支持向量机的自动投资决策 253
9.3.1 支持向量机理论概述 254
9.3.2 结合SVM的自动投资算法实现 254
9.3.3 自动投资结果分析 256
9.3.4 问题与讨论 260
9.4 基于DTW的自动投资方法 261
9.4.1 DTW算法的原理简述 261
9.4.2 结合DTW的自动投资算法实现 263
9.4.3 自动投资结果分析与讨论 266
9.5 基于深度学习的自动投资方法 268
9.5.1 深度学习为何能应用于自动投资 269
9.5.2 基于深度学习的算法交易 269
9.5.3 基于深度学习模型的资产组合管理 272
9.5.4 将深度学习用于自动投资的可靠性 273
本章习题与实训 274
自动投资相关技术 277
10.1 用户画像 278
10.1.1 用户画像的组成与构建方法 278
10.1.2 投资者用户画像体系的构建 280
10.1.3 用户画像的算法介绍 281
10.1.4 用户画像案例展示 283
10.2 自然语言点评 283
10.2.1 自然语言点评的原理及算法分析 284
10.2.2 自然语言点评系统实例分析 289
10.3 知识图谱 291
10.3.1 知识图谱概述 291
10.3.2 股票知识图谱的构建方法 293
10.3.3 股票知识图谱的应用 295
10.4 小结 297
本章习题与实训 297
- 名称
- 类型
- 大小
光盘服务联系方式: 020-38250260 客服QQ：4006604884
云图客服：
用户发送的提问，这种方式就需要有位在线客服来回答用户的问题，这种 就属于对话式的,问题是这种提问是否需要用户登录才能提问
