巧用AI大模型轻松学会Python金融数据分析_段小手著_9787301353059

本书旨在为读者提供一本实用的指南，帮助他们运用现代技术深入探索金融数据领域。

本书以 Python 为主要编程语言，结合实例和 ChatGPT 的协助，详细介绍了从获取金融数据到数据处理、数据可视化、探索、建模，再到机器学习和深度学习等的应用，并且探讨了生成式 AI 在选股和分配权重方面的潜在应用，为读者打开了金融领域未来的一扇新窗。除了提供全面的理论知识

和实用技术指导，本书还附赠了大量高质量的金融数据，可供读者在不方便调用接口时下载和使用。

本书主要面向金融从业人员，或者对金融和数据分析感兴趣的读者。

亲爱的读者朋友，非常感谢您选择本书！在这里，我想和大家聊一聊这本书的写作背景、写作过程以及价值。

有那么一段时间，一些从事金融工作的朋友时不时向我抱怨，他们需要在繁忙的工作之余学习编程语言，以便更好地处理和分析金融数据。我深知这种挑战非常困难，因此，写这本书的初衷是帮助金融从业者快速掌握 Python 在金融数据分析中的应用技能，减轻他们的工作负担。而随着 AI技术的飞速发展，AI 大模型的出现为这一目标的实现提供了前所未有的可能性。

AI 大模型，如 ChatGPT，以及以文心一言、讯飞星火认知大模型等为代表的国产大模型等，

都具有强大的自然语言处理能力，可以根据用户的自然语言提示生成相应的代码。这一特性使得

金融从业人员只需有一点编程基础，就可以通过简单的自然语言描述，快速生成用于数据分析的

Python 代码。这无疑极大地降低了数据分析的门槛，让更多的人能够轻松地掌握这一技能。

当然，要使用 AI 大模型生成 Python 代码，高质量的提示词至关重要。在写作本书的过程中，我也不断尝试调整提示词，以便让 AI 大模型生成的代码能够顺利运行并实现我所期待的结果。通过持续实验，我总结出一些经验和大家进行分享。

首先，我们要明确想要 AI 大模型生成的代码实现什么功能，是进行数据清洗、特征工程、模型训练，还是进行预测？我们要确保提示词清晰地描述了这一目标。

其次，对于重要的步骤和逻辑，提供足够的细节。例如，如果我们想生成一段用于数据分区的代码，可以这样写：请将数据集分为训练集和测试集，比例为 70% 和 30%。

再次，我们要确保提示词没有歧义，以免导致生成的代码不符合预期。例如，不要简单地写生成一个循环，而要明确循环的次数、条件等细节。

最后，我们要确保使用正确的专业词汇，从而让 AI 大模型更准确地理解我们的需求，并提高代码的质量。

需要强调的是，在每次生成代码之后，都要进行测试，确保其满足我们的需求。根据测试结果，对提示词进行微调，逐步优化生成的代码。

举个例子，假设我们想生成一段用于计算股票收益率的 Python 代码，可以这样写提示词：请

编写一个 Python 脚本，从 CSV 文件中的收盘价列读取股票的价格数据，计算每日收益率，并将结果保存为新的 CSV 文件。这样的提示词既明确了目标（计算收益率并保存结果），也提供了足够的细节（从 CSV 文件中的特定列读取价格数据、计算每日收益率等）。