量化投资：交易模型开发与数据挖掘

本书是一本利用Python技术，结合人工智能、神经网络和机器学习、遗传算法等互联网技术进行相应行业模型开发的技术图书。 本书第1～4 章主要讲解了利用Python软件分析模型开发的入门知识，包括开发工具的使用、测试技术难点等内容；第5～7 章主要讲解了利用人工智能中的神经网络技术进行技术研发，利用数据挖掘技术完善行业技术模型的数据加载与分析等内容；第8～9 章主要讲解了利用大数据进行技术配置和风险控制等内容；第10～11 章主要讲解了利用机器学习与遗传算法进行相应模型开发等内容。 全书内容专业，案例丰富翔实，是作者多年来利用开发软件和人工智能结合进行相关领域软件开发与探索的最佳结晶。本书不仅适合想利用 Python进行软件开发的用户，也适合有一定经验但想深入掌握人工智能、机器学习技术进行行业应用的用户使用，还可以作为机构培训的优秀教材。

这是一本利用Python技术，结合人工智能、神经网络和机器学习、遗传算法等互联网技术进行相应行业模型开发的技术图书。本书第1～4章主要讲解了利用Python软件分析模型开发的入门知识，包括开发工具的使用、测试技术难点等内容；第5～7章主要讲解了利用人工智能中的神经网络技术进行技术研发，利用数据挖掘技术完善行业技术模型的数据加载与分析等内容；第8～9章主要讲解了利用大数据进行技术配置和风险控制等内容；第10～11章主要讲解了利用机器学习与遗传算法进行相应模型开发等内容。 全书内容专业，案例丰富翔实，是作者多年来利用开发软件和人工智能结合进行相关领域软件开发与探索的最佳结晶。本书不仅适合想利用 Python进行软件开发的用户，也适合有一定经验但想深入掌握人工智能、机器学习技术进行行业应用的用户使用，还可以作为机构培训的优秀教材。 书中详细讲解了量化投资的发展历程及现状，以及量化投资策略的可行性研究。同时，本书还介绍了数据挖掘的定义，以及数据挖掘在金融领域的应用。此外，书中还详细讲解了SOM神经网络及其使用方法，以及资产配置理论基础。 本书还详细介绍了风险平价配置方法基本理念，以及止损