隨著技術(shù)創(chuàng)新、算法突破、大數(shù)據(jù)崛起以及與日俱增的算力，很多行業(yè)正在經(jīng)歷人工智能所帶來的劇變。?在金融領(lǐng)域，人工智能技術(shù)也已鋒芒畢露！?在無數(shù)聰明頭腦和智慧機器的幫助下，我們是否將迎來這樣的一天：金融市場達(dá)到完全有效，從而使我們可以放心地認(rèn)為所有的資產(chǎn)都被正確定價？?這本《金融人工智能：用Python實現(xiàn)AI量化交易》覆蓋了金融人工智能的若干重要方面。通過Python示例，介紹人工智能技術(shù)在金融數(shù)據(jù)分析中的應(yīng)用。帶你了解如何利用神經(jīng)網(wǎng)絡(luò)和強化學(xué)習(xí)等方法，對金融市場的走勢做出預(yù)測。

本書分為六大部分。第一部分和第二部分介紹基本信息。在第三部分中，從統(tǒng)計學(xué)角度探討金融市場失效的現(xiàn)象，并在此過程中借用人工智能中的神經(jīng)網(wǎng)絡(luò)技術(shù)。

只有存在市場失效，并且可以通過人工智能算法對市場動向進(jìn)行預(yù)測，才有可能進(jìn)一步采用算法交易從經(jīng)濟失效中獲益，本書將在第四部分中討論相關(guān)話題。

如果我們可以系統(tǒng)地從市場失效和經(jīng)濟失效中獲益，那么這將與金融領(lǐng)域眾所周知的基礎(chǔ)理論“有效市場假說”相矛盾。成功設(shè)計出智能交易機器人一直以來被認(rèn)為是金融領(lǐng)域的“圣杯”，也許人工智能將引領(lǐng)我們實現(xiàn)這一終極目標(biāo)。

在這種情況下，人工智能將如何影響金融市場？金融奇點來臨的可能性有多大？本書的第五部分將針對上述問題展開討論。

第六部分是技術(shù)附錄，將結(jié)合實際用例為讀者展示如何基于 Python 代碼從零開始搭建神經(jīng)網(wǎng)絡(luò)。

本書是伊夫?希爾皮斯科博士基于多年開發(fā)、回測和部署人工智能算法交易策略的實戰(zhàn)經(jīng)驗，展示了將人工智能算法應(yīng)用于金融場景的實用方法。包含大量Python示例，有助于你邊學(xué)邊練，輕松復(fù)現(xiàn)書中的所有結(jié)果。

閱讀本書的五大收獲

（一）學(xué)習(xí)人工智能的主要概念和算法，并了解通用人工智能和超級智

（二）理解機器學(xué)習(xí)和數(shù)據(jù)驅(qū)動的金融學(xué)將如何改變金融理論和實踐

（三）運用神經(jīng)網(wǎng)絡(luò)和強化學(xué)習(xí)等方法，發(fā)掘金融市場的統(tǒng)計失效現(xiàn)象

（四）學(xué)習(xí)向量化回測和算法交易，并掌握人工智能算法交易策略的執(zhí)行與部署

（五）展望金融人工智能的未來，涉及基于人工智能的競爭和金融奇點市場競爭品種

從過去到未來

全景式理解AI在金融領(lǐng)域的應(yīng)用

?

機器學(xué)習(xí)知識+Python示例

決勝AI金融新賽道

作者介紹

伊夫?希爾皮斯科（Yves Hilpisch），金融數(shù)學(xué)博士，Python Quants公司創(chuàng)始人兼CEO，致力于普及人工智能、算法交易等相關(guān)技術(shù)在金融中的應(yīng)用。此外，他還創(chuàng)建了AI Machine平臺，提供人工智能算法交易策略的標(biāo)準(zhǔn)化部署。
伊夫是國際量化投資分析師認(rèn)證（CQF）講師，講授計算金融學(xué)、機器學(xué)習(xí)和算法交易。他還是第一批獲得 Python 算法交易和Python 計算金融學(xué)大學(xué)證書的在線培訓(xùn)項目的負(fù)責(zé)人。伊夫編寫了金融分析庫 DX Analytics，并在倫敦、法蘭克福、柏林、巴黎和紐約組織過多場關(guān)于 Python 的量化金融和算法交易的聚會、會議和訓(xùn)練營，并多次在美國、歐洲和亞洲的技術(shù)會議上發(fā)表主題演講。

譯者介紹

石磊磊，在人工智能領(lǐng)域深耕20余年，曾任職于螞蟻金服、微軟等國內(nèi)外知名公司，主導(dǎo)了多個金融模型的開發(fā)，服務(wù)于全球數(shù)億設(shè)備，帶領(lǐng)團隊研發(fā)了工業(yè)級實時動態(tài)圖風(fēng)控系統(tǒng)，在金融風(fēng)險管理和量化交易方面有豐富的研究經(jīng)驗和應(yīng)用經(jīng)驗。
余宇新，上海外國語大學(xué)副教授，金融大數(shù)據(jù)中心執(zhí)行主任，上海市創(chuàng)新政策評估研究中心研究員，發(fā)表論文40余篇，開發(fā)大數(shù)據(jù)算法獲國家發(fā)明專利授權(quán)1項，曾參與多項人工智能產(chǎn)品研發(fā)工作。
李煜鑫，上海外國語大學(xué)副教授，碩士生導(dǎo)師；英國華威大學(xué)特聘研究員，博士生導(dǎo)師；英國約克大學(xué)經(jīng)濟學(xué)院博士；在國內(nèi)外從事金融學(xué)相關(guān)研究近20年，在國內(nèi)外核心期刊上發(fā)表論文30余篇，撰寫了多部專著。

專業(yè)書評

“憑借其全面和直觀的方法，這將是金融領(lǐng)域從業(yè)人員和學(xué)者的主要參考書?！?span id="s0sssss00s" class="font-size-12">——Abdullah Karasan金融數(shù)據(jù)科學(xué)學(xué)者
“這是一本優(yōu)秀的機器學(xué)習(xí)實踐指南，旨在解決量化金融領(lǐng)域的一系列問題。”——Tim Nugent路孚特公司研究員
“這本書有助于熟悉人工智能技術(shù)在量化投資交易中的應(yīng)用之道。”——漆遠(yuǎn)復(fù)旦大學(xué)浩清特聘教授復(fù)旦大學(xué)人工智能創(chuàng)新與產(chǎn)業(yè)研究院院長前螞蟻集團副總裁
“希爾皮斯科博士將正統(tǒng)金融理論和人工智能有機融合，帶領(lǐng)讀者一步步走進(jìn)金融人工智能的世界?！?span id="s0sssss00s" class="font-size-12">——梁舉BigQuant人工智能量化平臺創(chuàng)始人兼CEO
“投資行業(yè)正處于一個加速變革的過程中。這本實用指南是不可多得的工具書?！?span id="s0sssss00s" class="font-size-12">——張一CFA Institute中國區(qū)總經(jīng)理

作者題記

人工智能在金融交易中的應(yīng)用仍然是一個新生領(lǐng)域。雖然在撰寫本書時市面上已經(jīng)有一些關(guān)于這個方向的書，但是它們大多沒有展示對于經(jīng)濟有效地利用統(tǒng)計學(xué)意義上的市場失效現(xiàn)象，人工智能意味著什么。

一些對沖基金宣稱已經(jīng)完全通過機器學(xué)習(xí)來管理投資者的資產(chǎn)。突出的案例是一家名為Voleon Group 的對沖基金，截至2019 年年底，該基金管理著超過60 億美元的資產(chǎn)（Lee 和Karsh，2020）。依賴于機器學(xué)習(xí)，該基金在2019 年的業(yè)績?yōu)?%，而同年，標(biāo)準(zhǔn)普爾500 股票指數(shù)上漲了約30%。

本書基于多年來開發(fā)、回測和部署人工智能算法交易策略的實戰(zhàn)經(jīng)驗。由于行業(yè)自身具有前沿性和保密性，本書所展示的方法和示例主要基于我本人的研究。論述和表達(dá)側(cè)重實操，難免有失嚴(yán)謹(jǐn)，很多實例缺少正規(guī)的理論證明或者實驗驗證。金融領(lǐng)域或機器學(xué)習(xí)領(lǐng)域的專家可能會對本書中的一些應(yīng)用和案例持有完全不同的意見。譬如說，F(xiàn)ran?ois Chollet（2017）等機器學(xué)習(xí)和深度學(xué)習(xí)領(lǐng)域的專家，對于預(yù)測金融市場這件事本身是否可行，持強烈的懷疑態(tài)度。某些金融領(lǐng)域的專家，比如Robert Shiller（2015），懷疑金融奇點這一天是否真的會到來。一些活躍于兩個領(lǐng)域交叉方向的專家，比如Marcos López de Prado（2018）則認(rèn)為，在金融交易和投資中運用機器學(xué)習(xí)技術(shù)需要行業(yè)規(guī)模的投入，這意味著浩大的團隊及巨量的預(yù)算。

本書并非就每個主題所涉及的各種觀點給出一個中立、全面的看法。書中所展示的內(nèi)容主要基于我的個人經(jīng)驗、演示示例和Python 代碼的實踐考量。很多示例是為了展示特定觀點和結(jié)果而有意選擇并做出調(diào)整的。因此，難免會被認(rèn)為存在數(shù)據(jù)探查和過擬合的現(xiàn)象。

本書的主要目標(biāo)是使讀者能夠使用書中的代碼示例作為框架，探索運用人工智能進(jìn)行金融交易這一令人興奮的領(lǐng)域。為實現(xiàn)此目標(biāo)，本書始終以許多簡化的假設(shè)為基礎(chǔ)，并且主要采用金融時間序列數(shù)據(jù)以及基于此類數(shù)據(jù)的衍生特征。在實際應(yīng)用中，當(dāng)然不必局限于金融時間序列數(shù)據(jù)，也可以使用多種其他數(shù)據(jù)類型和數(shù)據(jù)源。

本書的特征衍生方法隱式地假設(shè)了金融時間序列及衍生特征顯示出的模式至少在一定程度上會隨時間持續(xù)存在，并且可以用來預(yù)測未來的價格走勢。

在此背景下，本書提供的所有示例和代碼本質(zhì)上都是技術(shù)性和說明性的，并不代表任何推薦或投資建議。