智能证券投资学

一本书打好证券投资基础，轻松玩转智能证券投资学

我国证券市场已经发展到新的时代，基于海量信息计算机处理的人工智能技术日益兴起，为我国证券市场的发展与变革带来了新的契机。本书聚焦在智能化证券投资的科学方法和实用技术，尽可能突出3个特色：1．理论新颖:结合人工智能和证券投资的理论方法，提出了智能证券投资的目标，为提高人理性投资效率，给出了个性投资自动化和自动投资个性化的两条技术路线，在此基础上分别提出了海天4S科学投资方法和SADI5L自动投资智能体层次结构。2．实践验证:实践是检验理论的标准，科学的评测方法是检验的基准，诊断和归因是提高的前提。3.平台支撑:计算机、人工智能、证券投资都是实践性很好强的学科，不仅仅需要传统的习题，更需要一系列实训环节支撑，本书在每章内容后均提供了平台实训环节，包括多种智能投资辅助工具和自动投资的知识库和智能接口。本书主要内容包括：第1章 智能证券投资概要；第2章 智能证券投资基础知识；第3章 宏观判势；第4章 智能证券投资方法及步骤；第5章 以史为鉴：智能证券投资的回归；第6章 悟道出师；第7章 自动投资；第8章未来之路。
本书适合大专院校人工智能、计算机、金融以及其他专业高年级本科生、研究生，也可供金融行业从业人员和证券投资者阅读参考。

王晓龙 ，哈尔滨工业大学教授，现任哈工大（深圳）教授会副主任。迄今为止共负责国家自然科学基金重点/面上项目、国家863计划重点/面上项目、重要靠前合作项目等20余项课题，获省部级科技奖一等奖2项、二等奖1项，三等奖二项，发表学术论文200篇，出书2本。开发的“智能证券投资”课程42节，已经在学习强国及超星上线。
黄冬，深圳市高层次人才，哈尔滨工业大学管理科学与工程专业博士后，现任深圳亿达盛投资管理有限公司总经理。近六年私募基金产品管理经验，擅长智能化证券投资和量化投资，采用智能化证券投资模型降低投资风险，提高投资效率。
吴少聪，哈尔滨工业大学（深圳）博士生，主要研究方向为人工智能、时间序列分析及金融数据处理。擅长复杂数据量化与智能证券投资模型设计，在投资评测诊断、业绩归因、仿真投资系统开发以及金融信息社区搭建等方面有多年经验。参与多项国家自然科学基金项目的研究工作，曾获研究生国家奖学金，目前已有多篇论文发表于SCI期刊。

第一章 智能证券投资概要 002
1.1?智能证券投资学的提出 003
1.2?个性投资自动化 005
1.3?自动投资个性化 007
1.4?智能证券投资两种实现方法对比 011
1.5?评测诊断与实例 014
1.6?平台实训：盘感训练 020
1.7?小结 024
本章习题与实训 025
第二章 基础知识 028
2.1?智能证券投资基础 029
2.2?股票 032
2.3?债券 040
2.4?现金及等价物 048
2.5?其他常见证券品种 050
2.6?证券交易与模拟投资 054
2.7?平台实训：模拟投资 055
2.8?小结 060
本章习题与实训 061
第三章 宏观判势 064
3.1?股市的趋势 065
3.2?债市的趋势 068
3.3?现金等价物的趋势 069
3.4?股市判势方法 070
3.5?投资策略与交易品种 073
3.6?评测方法 078
3.7?平台实训 086
3.8?小结 086
本章习题与实训 087
第四章 具体实施 091
4.1?证券品种的选择方法 092
4.2?证券品种的分类体系 094
4.3?证券品种的走势对比 099
4.4?投资策略和方法 109
4.5?评测方法 113
4.6?平台实训 120
4.7?小结 123
本章习题与实训 124
第五章 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
5.2?多偏好约束满足的SEA双加权算法 136
5.3?评测：投资行为分析 149
5.4?诊断：业绩归因 154
5.5?平台实训 157
5.6?小结 160
本章习题与实训 161
第六章 悟道出师 164
6.1?基于海天4S的悟道出师之路 165
6.2?知人者智，换位思考 167
6.3?自知者明，摆正心态 177
6.4?提高效率，实训辅助 179
6.5?小结 182
本章习题与实训 183
第七章 价值投资的多因子策略 187
7.1?自动投资总体框架 188
7.2?自动投资简单示例 194
7.3?多因子选择自动投资策略 197
7.4?平台实训 200
7.5?小结 213
本章习题与实训 213
第八章 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
8.2?基于回归的ARIMA自动投资策略 224
本章习题与实训 237
第九章 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
9.3?采用支持向量机的自动投资决策 253
9.4?基于DTW的自动投资方法 261
9.5?基于深度学习的自动投资方法 268
本章习题与实训 274
第十章 自动投资相关技术 277
10.1?用户画像 278
10.2?自然语言点评 283
10.3?知识图谱 291
10.4?小结 297
本章习题与实训 297