新書推薦：
《
经纬度系列丛书·帝国陨落：君士坦丁堡的40次围城
》
售價：NT$
347.0
《
浪客剑心：东京篇（全6册）
》
售價：NT$
1163.0
《
人生法则：33条商业和生活指南
》
售價：NT$
347.0
《
政商现形记： 清朝的权力、贸易与商帮
》
售價：NT$
398.0
《
早期干预丹佛模式辅导与培训家长用书
》
售價：NT$
539.0
《
萨满文化研究丛书——通古斯人的心智丛（全三册）
》
售價：NT$
1639.0
《
帝国潜流：清代前期的天主教、底层秩序与生活世界
》
售價：NT$
490.0
《
鲨鱼大图鉴：世界现生536种鲨鱼完全解读
》
售價：NT$
2189.0
|
| 編輯推薦： |
1.金融大数据分析新模式：让金融大数据分析更高效、更快捷、更完美。
2.全流程解析：涵盖获取金融数据到数据处理、数据可视化、探索、建模，再到机器学习和深度学习等全流程应用。
3.实战检验：ChatGPT结合多种金融大数据分析工具及案例实操讲解，理解更加透彻。
4.快速提高金融大数据分析效率：揭秘ChatGPT与金融大数据分析高效融合的核心方法论和实践经验。
|
| 內容簡介： |
本书旨在为读者提供一本实用的指南，帮助他们运用现代技术深入探索金融数据领域。
本书以 Python 为主要编程语言，结合实例和 ChatGPT 的协助，详细介绍了从获取金融数据到数据处理、数据可视化、探索、建模，再到机器学习和深度学习等的应用，并且探讨了生成式 AI 在选股和分配权重方面的潜在应用，为读者打开了金融领域未来的一扇新窗。除了提供全面的理论知识
和实用技术指导，本书还附赠了大量高质量的金融数据，可供读者在不方便调用接口时下载和使用。
本书主要面向金融从业人员，或者对金融和数据分析感兴趣的读者。
|
| 關於作者： |
段小手，曾供职于百度、敦煌网、慧聪网、方正集团等知名IT企业。有多年的科技项目管理及开发经验。2019年至今，与云南省公安厅合作数据挖掘项目，使用机器学习技术协助云南警方打击违法犯罪活动，有效将某类案件发案率大幅降低。
其负责的项目曾获得“国家发改委电子商务示范项目”“中关村现代服务业试点项目”“北京市信息化基础设施提升专项”“北京市外贸公共服务平台”等多项政策支持。出版《用ChatGPT轻松玩转机器学习与深度学习》《深度学习与大模型基础》等著作，广受读者欢迎。
|
| 目錄：
|
第 1 章
用 Python 获取金融数据 / 1
1.1 获取股票数据 2
1.1.1 获取股票实时行情数据 2
1.1.2 获取股票历史行情数据 4
1.1.3 获取上市公司财务指标数据 .5
1.2 获取期货数据 8
1.2.1 获取期货手续费与保证金数据8
1.2.2 获取期货实时行情数据 10
1.2.3 获取期货历史行情数据 11
1.3 获取宏观数据 12
1.3.1 获取国内生产总值数据 12
1.3.2 获取社会融资规模增量统计数据 14
1.3.3 获取 M2 货币供应年率数据 .15
1.4 小结与习题 .15
第 2 章
让 ChatGPT 协助处理金融数据 / 17
2.1 将价格数据转化为收益 .18
2.1.1 让 ChatGPT 协助计算简单收益18
2.1.2 让 ChatGPT 协助计算对数收益20
2.2 根据通货膨胀调整收益 .21
2.2.1 通货膨胀调整的一般步骤.22
2.2.2 获取 CPI 月率数据并进行处理.23
2.2.3 让 ChatGPT 协助进行通货膨胀调整24
2.3 实现波动率的计算 .26
2.3.1 实现波动率的原理与公式.26
2.3.2 计算股价的月度实现波动率 .27
2.3.3 让 ChatGPT 协助计算年化实现波动率 28
2.4 缺失数据填补 31
2.4.1 用 reindex 填补缺失的日期.31
2.4.2 让 ChatGPT 协助填充缺失数据32
2.4.3 让 ChatGPT 协助用插值法填充缺失数据33
2.5 小结与习题 .35
......
第 15 章
利用生成式 AI 进行选股和分配权重 311
15.1 生成式 AI 用于投资组合选择的研究 312
15.1.1 生成式 AI 与其“幻觉” 312
15.1.2生成式 AI 与大语言模型 314
15.2 使用大语言模型荐股 .315
15.2.1 领先基金的投资原则315
15.2.2宏观经济形势分析.317
15.2.3 根据经济形势研判进行股票选择 319
15.3 为投资组合分配权重 .323
15.3.1 ChatGPT 提供的权重分配323
15.3.2使用传统优化方法计算权重分配 326
15.3.3文心一言提供的权重分配.328
15.4 小结与习题 .332
结束语 / 333
|
| 內容試閱：
|
亲爱的读者朋友，非常感谢您选择本书！在这里，我想和大家聊一聊这本书的写作背景、写作过程以及价值。
有那么一段时间，一些从事金融工作的朋友时不时向我抱怨，他们需要在繁忙的工作之余学习编程语言，以便更好地处理和分析金融数据。我深知这种挑战非常困难，因此，写这本书的初衷是帮助金融从业者快速掌握 Python 在金融数据分析中的应用技能，减轻他们的工作负担。而随着 AI技术的飞速发展，AI 大模型的出现为这一目标的实现提供了前所未有的可能性。
AI 大模型，如 ChatGPT，以及以文心一言、讯飞星火认知大模型等为代表的国产大模型等，
都具有强大的自然语言处理能力，可以根据用户的自然语言提示生成相应的代码。这一特性使得
金融从业人员只需有一点编程基础，就可以通过简单的自然语言描述，快速生成用于数据分析的
Python 代码。这无疑极大地降低了数据分析的门槛，让更多的人能够轻松地掌握这一技能。
当然，要使用 AI 大模型生成 Python 代码，高质量的提示词至关重要。在写作本书的过程中，我也不断尝试调整提示词，以便让 AI 大模型生成的代码能够顺利运行并实现我所期待的结果。通过持续实验，我总结出一些经验和大家进行分享。
首先，我们要明确想要 AI 大模型生成的代码实现什么功能，是进行数据清洗、特征工程、模型训练，还是进行预测？我们要确保提示词清晰地描述了这一目标。
其次，对于重要的步骤和逻辑，提供足够的细节。例如，如果我们想生成一段用于数据分区的代码，可以这样写：“请将数据集分为训练集和测试集，比例为 70% 和 30%。”
再次，我们要确保提示词没有歧义，以免导致生成的代码不符合预期。例如，不要简单地写“生成一个循环”，而要明确循环的次数、条件等细节。
最后，我们要确保使用正确的专业词汇，从而让 AI 大模型更准确地理解我们的需求，并提高代码的质量。
需要强调的是，在每次生成代码之后，都要进行测试，确保其满足我们的需求。根据测试结果，对提示词进行微调，逐步优化生成的代码。
举个例子，假设我们想生成一段用于计算股票收益率的 Python 代码，可以这样写提示词：“请
编写一个 Python 脚本，从 CSV 文件中的‘收盘价’列读取股票的价格数据，计算每日收益率，并将结果保存为新的 CSV 文件。”这样的提示词既明确了目标（计算收益率并保存结果），也提供了足够的细节（从 CSV 文件中的特定列读取价格数据、计算每日收益率等）。
写出高质量的提示词需要一定的经验积累。通过不断测试和反馈，相信大家很快就能够熟练地运用这一技能，快速获得满足需求的 Python 代码。
本书将手把手教读者利用精确详细的提示词，让大语言模型生成可用性极高的金融数据分析与建模代码。此外，本书不仅仅涉及经典的金融数据分析理论与模型，还引入了目前大语言模型在投资组合选股方面的最新研究，旨在帮助读者拓宽视野，为适应 AI 时代的工作方法打下基础。
在编写本书的过程中，我深感责任重大，所以试图竭尽所能地为读者呈现最全面实用的知识，
但由于计算机技术发展迅速，书中难免有疏漏和不妥之处，敬请广大读者不吝指正。如果大家在学习过程中遇到问题，欢迎添加我的个人微信“dynhyper”，我将尽力为大家进行解答。
本书赠送全书案例源代码及相关数据资源，读者可扫描下方二维码关注“博雅读书社”微信公众号，输入本书 77 页的资源下载码，即可获得本书的下载学习资源。
最后，衷心祝愿读者朋友在金融数据分析领域取得更大的成就，实现自己的职业发展目标。同
时，也让我们一起迎接 AI 大模型带来的新挑战与新机遇，共同迈向数据驱动的新未来！
段小手
|
|
購物車/收銀台(0) | 在線留言板
| 付款方式
| 聯絡我們
| 運費計算
| 幫助中心 |
加入書簽
HOME
新書上架
