推 薦 序

AlphaGo與柯潔的黑白大戰(zhàn)，因為對陣的一方是中國頂級圍棋高手柯潔，所以引起國人的高度關注。利用百度搜索引擎輸入AlphaGo，一度可以得出7000多萬條搜索結(jié)果，這遠遠高于其他熱門詞條。
事實上，AlphaGo只是Google擁有的兩套人工智能系統(tǒng)中的一套。它是Google 2014年收購的DeepMind的人工智能系統(tǒng)，專注于棋賽開發(fā)。Google的另外一套人工智能系統(tǒng)就是本書介紹的TensorFlow系統(tǒng)。
在TensorFlow等人工智能系統(tǒng)出現(xiàn)之前，計算機所做的事情往往是簡單重復的。計算機會按照人類編好的既定程序，簡單重復、按部就班地運行，沒有超越人類事先為其設定的思維邊界。
計算機與人類的大腦相比，根本的區(qū)別在于不具備學習和創(chuàng)新能力。
計算機頂多也就是記憶的信息多，重復計算的速度快，不受情緒的影響等。但是，在TensorFlow等人工智能系統(tǒng)出現(xiàn)之后，計算機所做的事情除簡單重復運行之外，更重要的是其具備了一定的自我學習和創(chuàng)新能力。
TensorFlow等人工智能系統(tǒng)使得計算機在一定程度上能夠自主學習，自我提高，總結(jié)過去的經(jīng)驗，汲取以往的教訓，具備一定的創(chuàng)新性。這一點在AlphaGo與柯潔對壘的3場棋局的結(jié)果中不難看出。
這正是以AlphaGo和TensorFlow為代表的人工智能系統(tǒng)區(qū)別于以往任何計算機技術的關鍵所在，也是TensorFlow被稱為互聯(lián)網(wǎng)以來唯一的黑科技項目的原因。
具備了一定的自我學習和創(chuàng)造能力的人工智能系統(tǒng)的出現(xiàn)，將對經(jīng)濟系統(tǒng)的各個領域產(chǎn)生重大影響。筆者有著超過20年境內(nèi)外金融行業(yè)從業(yè)經(jīng)歷，將從一個側(cè)面分享人工智能對金融領域的影響。
從整個金融業(yè)的歷史沿革來看，這大致經(jīng)歷了4個階段：純?nèi)斯るA段、單機電腦階段、互聯(lián)網(wǎng)（含移動互聯(lián)網(wǎng)）階段和人工智能階段。
隨著每個階段的漸次演進，提供金融服務一方的人力成本投入在逐漸減少，提供金融服務的效率在提高；對于接受金融服務的一方來說，金融服務的可獲得性，以及便捷程度在逐漸增加，金融服務越來越圍繞著人進行，以人為中心的全方位的社會經(jīng)濟服務體系正在形成。
在金融服務體系中，銀行服務、證券服務、保險服務等的內(nèi)部界限開始變得模糊，金融服務與其他非金融的社會經(jīng)濟服務之間的界限開始變得不清。
特別是金融業(yè)進入人工智能階段之后，人工智能系統(tǒng)將接受金融服務一方的身份特征數(shù)據(jù)、交易數(shù)據(jù)和行為數(shù)據(jù)等大數(shù)據(jù)，進行實時分析和動態(tài)跟蹤，以遠低于人工成本的成本，為每個人建立一個基于生命周期的綜合金融模型，對每個人未來的金融行為進行預測，自動為他們提供賬戶資金管理、貨幣兌換、證券買賣、保險購買、購房購車計劃、旅行休閑、子女教育、養(yǎng)老規(guī)劃等方面的金融建議和授權代理操作，并將模型預測結(jié)果與實際情況相比對，自主學習和修正模型，以便更加貼合接受金融服務一方的真實金融意圖，使得人工智能模型的預測建議和人的實際金融行為無限接近。
由此人類將從日常繁雜的各種金融交易中解放出來，投身到更需要自己或自己更感興趣的方面。
展望未來，人工智能的應用前景無限美好；探尋當下，人工智能在世界各地的各行各業(yè)方興未艾。
千里之行，始于足下。何海群先生的《零起點TensorFlow與量化交易》是有志于人工智能領域的IT人士的一塊敲門磚和鋪路石。
祝愿人工智能在華夏大地生根發(fā)芽，開花結(jié)果。

梁 忠

梁忠：中國人民大學財政金融系博士，曾任里昂證券CLSA分析員；瑞銀證券UBSS董事，財富管理中國研究部主管；瑞士信貸（香港）有限公司中國研究部董事；瑞信方正證券執(zhí)行董事，研究部主管，具有20年國際頂級金融機構(gòu)從業(yè)經(jīng)歷。




前 言
感謝梁忠先生在百忙之中為本書撰寫序言。以TensorFlow為代表的神經(jīng)網(wǎng)絡，被視為自互聯(lián)網(wǎng)以來唯一的黑科技，無遠弗屆，無分行業(yè)領域，對社會各界從上至下帶來徹底的顛覆與革命。
梁忠先生作為非IT領域的學者、專家，從第三方角度，冷靜地觀察這場數(shù)字革命，同時向更多的大眾介紹這場革命的火花，推動行業(yè)變革，功莫大焉。
隨著類似于Titanic數(shù)據(jù)集案例、梵高畫風等一系列，基于TensorFlow等神經(jīng)網(wǎng)絡、深度學習項目的不斷涌現(xiàn)，未來的各個學科都會結(jié)合人工智能（AI），進行新的學術重組。
Python量化三部曲
Python量化三部曲包括：
? 《零起點Python大數(shù)據(jù)與量化交易》（入門課程）
? 《零起點機器學習與量化交易》（重點分析SKLearn）
? 《零起點TensorFlow與量化交易》（重點分析TensorFlow）
此外，還有幾部補充作品：
? 《零起點Python足彩大數(shù)據(jù)與機器學習實盤分析》
? 《零起點Python機器學習快速入門》
? 《零起點TensorFlow快速入門》
? 《MXNet神經(jīng)網(wǎng)絡與量化交易》
? 《Plotly可視化數(shù)據(jù)分析》
本書是《零起點TensorFlow快速入門》的后續(xù)之作，原本是TopQuant.vip極寬量化培訓課程高級班的教學課件，為了節(jié)省篇幅，刪除了Python基礎教程，以及SKLearn、TensorFlow等機器學習方面的入門內(nèi)容。沒有經(jīng)驗的讀者，建議先閱讀《零起點Python機器學習快速入門》《零起點TensorFlow快速入門》，再開始本書的學習，這樣會收到事半功倍的效果。
本書是目前較好的TensorFlow神經(jīng)網(wǎng)絡與量化分析入門教程：
? 無需任何理論基礎，全程采用MBA案例模式，懂Excel就可看懂本書。
? 獨創(chuàng)的逆向式課件模式，結(jié)合TensorBoard可視化系統(tǒng)，案例、圖表優(yōu)先，層層剖析。
? 系統(tǒng)介紹TensorFlow在金融量化領域的具體應用，提供多組配套案例。
? 全套神經(jīng)網(wǎng)絡股票趨勢預測、股票價格預測案例源碼。
? TDS金融數(shù)據(jù)集的創(chuàng)建與使用。
? 三位一體的課件模式：圖書 開發(fā)平臺 成套的教學案例，系統(tǒng)講解，逐步深入。
本書采用獨創(chuàng)的黑箱模式、MBA案例教學機制，結(jié)合大量的經(jīng)典案例，介紹TensorFlow系統(tǒng)和常用的深度學習算法、神經(jīng)網(wǎng)絡模型，以及它們在量化分析當中的具體應用。
進一步學習
讀者如有興趣可以進一步學習Python量化三部曲的內(nèi)容，以及《零起點Python足彩大數(shù)據(jù)與機器學習實盤分析》。
機器學習、人工智能、金融量化，它們的基本原理是相通的，本質(zhì)上都是數(shù)據(jù)分析。對于Python量化三部曲的讀者而言，本書也有很大的價值，特別是對于第一部入門課程的讀者。
Python量化回溯與TensorFlow、PyTorch、MXNet等神經(jīng)網(wǎng)絡深度學習平臺，都是近年來興起的科技前沿領域，有關的理論、平臺、工具目前還處于摸索階段。Python量化三部曲圖書和TopQuant.vip極寬智能量化系統(tǒng)，只是在這些領域的起步階段，作為入門教程，拋磚引玉。
本書中的案例、程序以教學為主，進行了很多簡化，以便大家能夠快速理解相關內(nèi)容，用最短的時間，了解Python量化回溯的整個流程，以及數(shù)據(jù)分析、機器學習、神經(jīng)網(wǎng)絡在這些領域的應用操作技巧。
神經(jīng)網(wǎng)絡、深度學習在量化實盤當中的應用，是目前全世界都在研究的頂尖課題，當前尚未有很好的模型與應用案例。
本書僅僅作為入門課程，具體的實盤策略，有待廣大讀者通過進一步深入學習TensorFlow、PyTorch、MXNet等新一代深度學習平臺來獲得。
最重要的是，還有待廣大的一線實盤操作人員結(jié)合專業(yè)的金融操盤經(jīng)驗，與各種神經(jīng)網(wǎng)絡模型融會貫通，構(gòu)建更加符合金融量化實際應用的神經(jīng)網(wǎng)絡模型，從而獲得更好的投資回報。
網(wǎng)絡資源
為避免版本沖突，建議本書的讀者下載zwPython 2018m1版本的軟件和最新版本的《零起點TensorFlow與量化交易》配套課件程序，作為配套學習課件。配套程序的下載地址是http://www.broadview.com.cn/33584。
使用其他Python運行環(huán)境如Linux、Mac平臺的讀者，請盡量使用Python 3.5和TensorFlow 1.1版本，并自行安裝所需的其他模塊庫。
此外，需要注意的是，讀者在運行書中案例時得到的結(jié)果，可能與本書略有差別，甚至多次運行同一個案例的結(jié)果也會有所差異，這屬于正常情況。因為TensorFlow等深度學習系統(tǒng)，內(nèi)部都使用了隨機數(shù)作為種子數(shù)，用于系統(tǒng)變量初始化等操作，每次分析的起點或者中間參數(shù)都有所不同。
本書的案例程序已經(jīng)做過優(yōu)化處理，不需要GPU顯卡，全部支持單CPU平臺。不過，為了提高運行效率，筆者建議盡量使用NVIDA公司最新一代的GPU顯卡。
目前是大數(shù)據(jù)、人工智能 時代，在這樣的時代，計算力=生產(chǎn)力。
與本書相關的網(wǎng)絡資源如下。
? 網(wǎng)站：http://www.TopQuant.vip http://www.ziwang.com。
? 網(wǎng)盤地址：http://pan.baidu.com/s/1jIg944u。
? 極寬量化QQ群：總?cè)海?24134140；QQ 2群，650924099；QQ 3群，450853713。
? 技術Blog：http://blog.sina.com.cn/zbrow。
? 字王Git項目總覽：https://github.com/ziwang-com/，包括：字王4k云字庫、zwPython、zwpy_lst。
與本書相關的程序和數(shù)據(jù)下載，請瀏覽網(wǎng)站：TopQuant.vip極寬量化社區(qū)，在網(wǎng)站的下載中心有最新的程序和數(shù)據(jù)下載地址。
本書在TopQuant.vip極寬量化網(wǎng)站設有專欄，若對本書、人工智能和機器學習有任何建議，請在網(wǎng)站專欄或QQ群留言，我們會在第一時間進行反饋和答復。
TopQuant極寬量化網(wǎng)站資源中心的網(wǎng)址：
http://www.topquant.vip/?p=56
http://ziwang.com/
致謝
本書的出版要特別感謝電子工業(yè)出版社的黃愛萍和葛娜編輯，感謝她們在選題策劃和稿件整理方面做出