人工智能和机器学习的广泛应用给当今的许多行业带来了根本性的变革。在金融领域，人工智能技术也已锋芒初露。通过阅读本书，你将了解如何利用神经网络和强化学习等方法，对金融市场的走势做出预测。 作者伊夫 希尔皮斯科博士基于多年发、回测和部署人工智能算法交易策略的实战经验，展示了将人工智能算法应用于金融场景的实用方法。本书包含大量Python示例，有助于你边学边练，轻松复现书中的所有结果。 * 学习人工智能的主要概念和算法，并了解通用人工智能和超级智能 * 理解机器学习和数据驱动的金融学将如何改变金融理论和实践 * 运用神经网络和强化学习等方法，发掘金融市场的统计失效现象 * 学习向量化回测和算法交易，并掌握人工智能算法交易策略的执行与部署 * 展望金融人工智能的未来，涉及基于人工智能的竞争和金融奇
Python已成为数据驱动AI、金融优先选择的编程语言。现在，一些大型的投资银行和对冲资金均使用Python及其生态系统来构建核心交易与风险管理系统。在本书中，作者向发人员和量化分析人员介绍了使用Python程序库与工具，完成金融数据科学、算法交易和计算金融任务的方法。 Python与金融：Python交互式金融分析与程序发门。 基本知识：学习Python数据类型与结构、NumPy、pandas及其DataFrame类、面向对象编程。 金融数据科学：探索用于金融时间序列数据、I/O操作、推断统计学和机器学习的Python技术与程序库。 算法交易：使用Python来验证和部署自动算法交易策略。 衍生品分析：发灵活、强大的Python期权、衍生品定价和风险管理程序库。
金融行业已经以惊人的速度采用Python，一些大的投资银行和对冲基金使用Python来构建核心的交易和风险管理系统。本书可以帮助发人员和量化分析人员门Python，并指导他们掌握Python在计量金融学上的重要应用。 本书通过大量的实用示例并以一个大型的真实案例研究为基础，讲解如何为基于蒙特卡洛模拟的衍生品和风险分析发一个成熟的框架。本书大部分内容使用了交互式的IPython Notebooks，并包含了如下主题。 基础知识：Python数据结构，NumPy数组处理、用pandas行时间序列分析，用matplotlib可视化，用PyTables行高性能I/O操作，日期/时间信息处理和精选的实践。 金融主题：使用了NumPy、SciPy和SymPy的数学技术，例如回归和优化；用于蒙特卡洛模拟、风险价值、风险信用价值计算的推断统计学；用于正态性检验、均方差投资组合优化、主成分分析（PCA）和贝
