本書旨在為讀者提供一本實用的指南，幫助他們運用現代技術深入探索金融數據領域。
本書以 Python 為主要編程語言，結合實例和 ChatGPT 的協助，詳細介紹了從獲取金融數據到數據處理、數據可視化、探索、建模，再到機器學習和深度學習等的應用，并且探討了生成式 AI 在選股和分配權重方面的潛在應用，為讀者打開了金融領域未來的一扇新窗。除了提供全面的理論知識
和實用技術指導，本書還附贈了大量高質量的金融數據，可供讀者在不方便調用接口時下載和使用。
本書主要面向金融從業人員，或者對金融和數據分析感興趣的讀者。
親愛的讀者朋友，非常感謝您選擇本書！在這里，我想和大家聊一聊這本書的寫作背景、寫作過程以及價值。
有那么一段時間，一些從事金融工作的朋友時不時向我抱怨，他們需要在繁忙的工作之余學習編程語言，以便更好地處理和分析金融數據。我深知這種挑戰非常困難，因此，寫這本書的初衷是幫助金融從業者快速掌握 Python 在金融數據分析中的應用技能，減輕他們的工作負擔。而隨著 AI技術的飛速發展，AI 大模型的出現為這一目標的實現提供了前所未有的可能性。
AI 大模型，如 ChatGPT，以及以文心一言、訊飛星火認知大模型等為代表的國產大模型等，
都具有強大的自然語言處理能力，可以根據用戶的自然語言提示生成相應的代碼。這一特性使得
金融從業人員只需有一點編程基礎，就可以通過簡單的自然語言描述，快速生成用于數據分析的
Python 代碼。這無疑極大地降低了數據分析的門檻，讓更多的人能夠輕松地掌握這一技能。
當然，要使用 AI 大模型生成 Python 代碼，高質量的提示詞至關重要。在寫作本書的過程中，我也不斷嘗試調整提示詞，以便讓 AI 大模型生成的代碼能夠順利運行并實現我所期待的結果。通過持續實驗，我總結出一些經驗和大家進行分享。
首先，我們要明確想要 AI 大模型生成的代碼實現什么功能，是進行數據清洗、特征工程、模型訓練，還是進行預測？我們要確保提示詞清晰地描述了這一目標。
其次，對于重要的步驟和邏輯，提供足夠的細節。例如，如果我們想生成一段用于數據分區的代碼，可以這樣寫：請將數據集分為訓練集和測試集，比例為 70% 和 30%。
再次，我們要確保提示詞沒有歧義，以免導致生成的代碼不符合預期。例如，不要簡單地寫生成一個循環，而要明確循環的次數、條件等細節。
最后，我們要確保使用正確的專業詞匯，從而讓 AI 大模型更準確地理解我們的需求，并提高代碼的質量。
需要強調的是，在每次生成代碼之后，都要進行測試，確保其滿足我們的需求。根據測試結果，對提示詞進行微調，逐步優化生成的代碼。
舉個例子，假設我們想生成一段用于計算股票收益率的 Python 代碼，可以這樣寫提示詞：請
編寫一個 Python 腳本，從 CSV 文件中的收盤價列讀取股票的價格數據，計算每日收益率，并將結果保存為新的 CSV 文件。這樣的提示詞既明確了目標（計算收益率并保存結果），也提供了足夠的細節（從 CSV 文件中的特定列讀取價格數據、計算每日收益率等）。
寫出高質量的提示詞需要一定的經驗積累。通過不斷測試和反饋，相信大家很快就能夠熟練地運用這一技能，快速獲得滿足需求的 Python 代碼。
本書將手把手教讀者利用精確詳細的提示詞，讓大語言模型生成可用性極高的金融數據分析與建模代碼。此外，本書不僅僅涉及經典的金融數據分析理論與模型，還引入了目前大語言模型在投資組合選股方面的最新研究，旨在幫助讀者拓寬視野，為適應 AI 時代的工作方法打下基礎。
在編寫本書的過程中，我深感責任重大，所以試圖竭盡所能地為讀者呈現最全面實用的知識，
但由于計算機技術發展迅速，書中難免有疏漏和不妥之處，敬請廣大讀者不吝指正。如果大家在學習過程中遇到問題，歡迎添加我的個人微信dynhyper，我將盡力為大家進行解答。
本書贈送全書案例源代碼及相關數據資源，讀者可掃描下方二維碼關注博雅讀書社微信公眾號，輸入本書 77 頁的資源下載碼，即可獲得本書的下載學習資源。
最后，衷心祝愿讀者朋友在金融數據分析領域取得更大的成就，實現自己的職業發展目標。同
時，也讓我們一起迎接 AI 大模型帶來的新挑戰與新機遇，共同邁向數據驅動的新未來！
段小手
新書資訊