大数据人工智能研究之七：零基础python代码策略模型实战

C H I N A S E C U R I T I E S R E S E A R C H HTTP://RESEARCH.CSC.COM.CN 请参阅最后一页的重要声明 [table_main]金融工程专题报告模板证券研究报告·金融工程深度报告 零基础 python 代码策略模型实战： ——大数据人工智能研究之七 重要观点 本文概述 本文主要介绍了 python 基础、爬虫、与数据库交互、调用机器学习、深度学习、NLP 等。分别介绍了各个模块的安装，环境的搭建等。并且以机器学习选股为例，把各个模块连贯起来，核心代码基本都有详尽的解释。 大数据 AI 时代，python 无往不胜 Python 的包装能力、可组合性、可嵌入性都很好，可以把各种复杂性包装在 Python 模块里,非常友好的供调用。Python 资源丰富，深度学习如 keras，机器学习如 sk-learn，科学计算如 numpy、pandas，自然语言处理如 jieba 等。 Python 将极大提高工作效率 无论是科学计算，还是图形界面显示；无论是机器学习还是深度学习；无论是操作 excel,txt 等还是连接数据库；无论是搭建网站还是爬虫；无论是自然语言处理还是打包成 exe 执行文件，python都能快速完成。以最少的代码，最高效的完成。 人人可编写人工智能模型 人工智能给人感觉难于入手，重要原因是机器学习、深度学习、自然语言处理等门槛太高；python 则以最简洁的方式，让你快速使用人工智能相关算法。本文以实战为目的，对模块的安装，搭建环境，核心代码等进行了详细的介绍。 人工智能选股模型策略 以传统因子滚动 12 个月值为特征值，个股下一期按收益大小排序，排名前 30%作为强势股，排名靠后 30%作为弱势股。用机器学习算法进行训练预测。用当期因子作为输入，预测未来一个月个股相对走势的强弱。根据个股的相对强势，我们把排名靠前20%的作为多头，排名后 20%的作为空头进行了研究，样本外20090105 到 20171130 期间，行业中性等权年化多空收益差为16.45%，年化波动率为 7.34%，最大回撤为 10.84%。 金融工程研究 [table_invest]丁鲁明 dingluming@csc.com.cn 021-68821623 执业证书编号：S1440515020001 研究助理：喻银尤 yuyinyou@csc.com.cn 021-68821600-808 发布日期： 2018 年 03 月 08 日 市场表现 [table_indextrend]相关研究报告 [table_report]18.02.02 大数据人工智能研究之六：机器学习因子有效性分析 17.10.18 大数据研究之五：大数据、机器学习、深度学习在投资领域应用的方法论概述 17.08.16 大数据研究之四：基于新闻热度的周期、成长、消费风格轮动配置 17.03.08 大数据研究之三：新闻情绪选股的多空差策略 17.03.02 大数据研究之指标构建：机器学习之贝叶斯文本分类算法的实现 16.10.12 大数据研究体系之择时篇：基于新闻热度的多空策略 1 HTTP://RESEARCH.CSC.COM.CN金融工程研究 金融工程专题报告 请参阅最后一页的重要声明 目录 一、Python 介绍 ....................................................................................................................................................... 4 1.1 Anaconda(Python IDE)的安装 ................................................................................................................ 4 1.2 Python 基础知识简介 ............................................................................................................................... 5 二、Python 的科学计算库 ....................................................................................................................................... 7 2.1 Numpy 库 ..................................................................................................................................................... 7 2.2 Pandas 库 ................................................................................................................................................... 7 2.3 Scipy 库 ..................................................................................................................................................... 9 2.4 Matplotlib 库 ......................................................................................................................................... 10 三、Python 的爬虫相关库 ......................................................................................................................................11 3.1 Scrapy 库 ................................................................................................................................................. 12 3.2 BeautifulSoup 库 ...............