Python量化回溯、TensorFlow、PyTorch、MXNet深度学习平台以及神经网络模型，都是近年来兴起的前沿科技项目，相关理论、平台、工具目前尚处于摸索阶段。 TensorFlow是近年来影响最大的神经网络、深度学习平台，何海群著的《零起点TensorFlow与量化交易/金融科技丛书》从入门者的角度，对TensorFlow进行了介绍，书中通过大量的实际案例，让初学者快速掌握神经网络和金融量化分析的基本编程，为进一步学习奠定扎实的基础。 本书中的案例、程序以教学为主，且进行了高度简化，以便读者能够快速理解相关内容，用最短的时问了解Python量化回溯的整个流程，以及数据分析、机器学习、神经网络的应用。 本书仅仅作为入门课程，具体的实盘策略，有待广大读者通过进一步深入学习TensorFlow、PyTorch等新一代深度学习平台来获得。最重要的是，广大的一线实盘操作人员需要结合专业的金融操盘经验，与各种神经网络模型融会贯通，构建更加符合金融量化实际应用的神经网络模型，从而获得更好的投资回报收益。

第1章 TensorFlow概述
1.1 TensorFlow要点概括
1.2 TensorFlow简化接口
1.3 Keras简介
1.4 运行环境模块的安装
1.4.1 CUDA运行环境的安装
案例1-1：重点模块版本测试
案例1-2：GPU开发环境测试
1.4.2 GPU平台运行结果
第2章 无数据不量化（上）
2.1 金融数据源
2.1.1 TopDat金融数据集
2.1.2 量化分析与试错成本
2.2 OHLC金融数据格式
案例2-1：金融数据格式
2.3 K线图
案例2-2：绘制金融数据K线图
2.4 Tick数据格式
案例2-3：Tick数据格式
2.4.1 Tick数据与分时数据转换
案例2-4：分时数据
2.4.2 resample函数
2.4.3 分时数据
2.5 离线金融数据集
案例2-5：TopDat金融数据集的日线数据
案例2-6：TopDat金融数据集的Tick数据
2.6 TopDown金融数据下载
案例2-7：更新单一A股日线数据
案例2-8：批量更新A股日线数据
2.6.1 Tick数据与分时数据
案例2-9：更新单一A股分时数据
案例2-10：批量更新分时数据
2.6.2 Tick数据与实时数据
案例2-11：更新单一实时数据
案例2-12：更新全部实时数据
第3章 无数据不量化（下）
3.1 均值优先
案例3-1：均值计算与价格曲线图
3.2 多因子策略和泛因子策略
3.2.1 多因子策略
3.2.2 泛因子策略
案例3-2：均线因子
3.3 “25日神定律”
案例3-3：时间因子
案例3-4：分时时间因子
3.4 TA-Lib金融指标
3.5 TQ智能量化回溯系统
3.6 全内存计算
案例3-5：增强版指数索引
案例3-6：AI版索引数据库
3.7 股票池
案例3-7：股票池的使用
3.8 TQ_bar全局变量类
案例3-8：TQ_bar初始化
案例3-9：TQ版本日线数据
3.9 大盘指数
案例3-10：指数日线数据
案例3-11：TQ版本指数K线图
案例3-12：个股和指数曲线对照图
3.10 TDS金融数据集
案例3-13：TDS衍生数据
案例3-14：TDS金融数据集的制作
案例3-15：TDS金融数据集2.0
案例3-16：读取TDS金融数据集
第4章 人工智能与趋势预测
4.1 TFLearn简化接口
4.2 人工智能与统计关联度分析
4.3 关联分析函数corr
4.3.1 Pearson相关系数
4.3.2 Spearman相关系数
4.3.3 Kendall相关系数
4.4 open（开盘价）关联性分析
案例4-1：open关联性分析
4.5 数值预测与趋势预测
4.5.1 数值预测
4.5.2 趋势预测
案例4-2：ROC计算
案例4-3：ROC与交易数据分类
4.6 n+1大盘指数预测
4.6.1 线性回归模型
案例4-4：上证指数n+1的开盘价预测
案例4-5：预测数据评估
4.6.2 效果评估函数
4.6.3 常用的评测指标
4.7 n+1大盘指数趋势预测
案例4-6：涨跌趋势归一化分类
案例4-7：经典版涨跌趋势归一化分类
4.8 On-Hot
案例4-8：One-Hot格式
4.9 DNN模型
案例4-9：DNN趋势预测
第5章 单层神经网络预测股价
5.1 Keras简化接口
5.2 单层神经网络
案例5-1：单层神经网络模型
5.3 神经网络常用模块
案例5-2：可视化神经网络模型
案例5-3：模型读写
案例5-4：参数调优入门
第6章 MLP与股价预测
6.1 MLP
案例6-1：MLP价格预测模型
6.2 神经网络模型应用四大环节
案例6-2：MLP模型评估
案例6-3：优化MLP价格预测模型
案例6-4：优化版MLP模型评估
第7章 RNN与趋势预测
7.1 RNN
7.2 IRNN与趋势预测
案例7-1：RNN趋势预测模型
案例7-2：RNN模型评估
案例7-3：RNN趋势预测模型
案例7-4：RNN模型2评估
第8章 LSTM与量化分析
8.1 LSTM模型
8.1.1 数值预测
案例8-1：LSTM价格预测模型
案例8-2：LSTM价格预测模型评估
8.1.2 趋势预测
案例8-3：LSTM股价趋势预测模型
案例8-4：LSTM趋势模型评估
8.2 LSTM量化回溯分析
8.2.1 构建模型
案例8-5：构建模型
8.2.2 数据整理
案例8-6：数据整理
8.2.3 回溯分析
案例8-7：回溯分析
8.2.4 专业回报分析
案例8-8：量化交易回报分析
8.3 完整的LSTM量化分析程序
案例8-9：LSTM量化分析程序
8.3.1 数据整理
8.3.2 量化回溯
8.3.3 回报分析
8.3.4 专业回报分析
第9章 日线数据回溯分析
9.1 数据整理
案例9-1：数据更新
案例9-2：数据整理
9.2 回溯分析
9.2.1 回溯主函数
9.2.2 交易信号
9.3 交易接口函数
案例9-3：回溯分析
案例9-4：多模式回溯分析
第10章 Tick数据回溯分析
10.1 ffn金融模块库
案例10-1：ffn功能演示
案例10-2：量化交易回报分析
案例10-3：完整的量化分析程序
10.2 Tick分时数据量化分析
案例10-4：Tick分时量化分析程序
总结
附录