具体描述
Python與量化投資：從基礎到實戰
Python與量化投資：從基礎到實戰
王小川 (作者)
書 號：978-7-121-33857-1
齣版日期：2018-04-01
頁 數：424
開 本：16(185*235)
齣版狀態：上市銷售
維護人：張國霞
本書主要講解如何利用Python進行量化投資，包括對數據的獲取、整理、分析挖掘、信號構建、策略構建、迴測、策略分析等。本書也是利用Python進行數據分析的指南，有大量的關於數據處理分析的應用，並將重點介紹如何高效地利用Python解決投資策略問題。本書分為Python基礎篇和量化投資篇：Python基礎篇主要講解Python軟件的基礎、各個重要模塊及如何解決常見的數據分析問題；量化投資篇在Python基礎篇的基礎上，講解如何使用優礦（uqer.io）迴測平颱實現主流策略及高級定製策略等。
本書可作為專業金融從業者進行量化投資的工具書，也可作為金融領域的入門參考書。在本書中有大量的Python代碼、Python量化策略的實現代碼等，尤其是對於量化策略的實現代碼，讀者可直接自行修改並獲得策略的曆史迴測結果，甚至可將代碼直接實盤應用，進行投資。
1章 準備工作 1
1.1 Python的安裝與設置 1
1.2 常見的Python庫 2
2章 Python基礎介紹 7
2.1 Python學習準備 7
2.2 Python語法基礎 11
2.2.1 常量與變量 11
2.2.2 數與字符串 11
2.2.3 數據類 15
2.2.4 標識符 18
2.2.5 對象 19
2.2.6 行與縮進 20
2.2.7 注釋 22
2.3 Python運算符與錶達式 22
2.3.1 算數運算符 22
2.3.2 比較運算符 24
2.3.3 邏輯運算符 25
2.3.4 Python中的優先級 27
2.4 Python中的控製流 27
2.4.1 控製流的功能 28
2.4.2 Python的三種控製流 29
2.4.3 認識分支結構if 30
2.4.4 認識循環結構for…in 32
2.4.5 認識循環結構while 33
2.4.6 break語句與continue語句 35
2.5 Python函數 39
2.5.1 認識函數 39
2.5.2 形參與實參 40
2.5.3 全局變量與局部變量 44
2.5.4 對函數的調用與返迴值 45
2.5.5 文檔字符串 46
2.6 Python模塊 47
2.6.1 認識Python模塊 47
2.6.2 from…import詳解 49
2.6.3 認識__name__屬性 50
2.6.4 自定義模塊 50
2.6.5 dir()函數 51
2.7 Python異常處理與文件操作 52
2.7.1 Python異常處理 52
2.7.2 異常的發生 55
2.7.3 try…finally的使用 56
2.7.4 文件操作 57
3章 Python進階 59
3.1 NumPy的使用 59
3.1.1 多維數組ndarray 59
3.1.2 ndarray的數據類型 60
3.1.3 數組索引、切片和賦值 61
3.1.4 基本的數組運算 62
3.1.5 隨機數 63
3.2 Pandas的使用 67
3.2.1 Pandas的數據結構 68
3.2.2 Pandas輸齣設置 70
3.2.3 Pandas數據讀取與寫入 70
3.2.4 數據集快速描述性統計分析 71
3.2.5 根據已有的列建立新列 72
.....
6.11.3 隱含波動率微笑 401
7章 量化投資十問十答 405
量化交易之路：用Python做股票量化分析
內容簡介
量化交易之路：用Python做股票量化分析
定價：￥89.00
作者： 阿布
齣版社：機械工業齣版社
ISBN：9787111575214
上架時間：2017-8-25
齣版日期：2017 年8月
開本：16開
版次：1-1
所屬分類：計算機
目錄
前言
第1部分 對量化交易的正確認識
第1章 量化引言 2
1.1 什麼是量化交易 2
1.2 量化交易：投資？投機？賭博？ 3
1.3 量化交易的優勢 4
1.3.1 避免短綫頻繁交易 4
1.3.2 避免逆勢操作 5
1.3.3 避免重倉交易 5
1.3.4 避免對勝率的盲目追求 6
1.3.5 確保交易策略的執行 6
1.3.6 獨立交易及對結果負責的信念 6
第3部分 量化交易係統的開發....................
量化投資：以Python為工具
內容簡介
本書主要講解量化投資的思想和策略，並藉助Python 語言進行實戰。本書一共分為5部分，第1部分是Python 入門，第2部分是統計學基礎，第3部分是金融理論、投資組閤與量化選股，第4部分是時間序列簡介與配對交易，第5部分是技術指標與量化投資。本書先對Python 編程語言進行介紹，通過學習，讀者可以迅速掌握用Python 語言處理數據的方法，並靈活運用Python 解決實際金融問題；其次，嚮讀者介紹量化投資的理論知識，主要講解量化投資所需的數量基礎和類型等方麵；後講述如何在Python語言中構建量化投資策略。目 錄
第1 部分Python 入門 1
第1 章Python 簡介與安裝使用 2
1．1 Python 概述
1．2 Python 的安裝
1．2．1 下載安裝Python 執行文件
1．2．2 下載安裝Anaconda
1．2．3 多種Python 版本並存
1．3 Python 的簡單使用
1．4 交互對話環境IPython
1．4．1 IPython 的安裝
1．4．2 IPython 的使用
1．4．3 IPython 功能介紹
第2 章Python 代碼的編寫與執行
2．1 創建Python 腳本文件
2．1．1 記事本
2．1．2 Python 默認的IDLE 環境
2．1．3 專門的程序編輯器
2．2 執行．py 文件
2．2．1 IDLE 環境自動執行
2．2．2 在控製颱cmd 中執行
2．2．3 在Annaconda Prompt 中執行
2．3 Python 編程小技巧
2．3．1 Python 行
2．3．2 Python 縮進
第3 章Python 對象類型初探 23
3．1 Python 對象
3．2 變量命名規則
3．3 數值類型
3．3．1 整數
3．3．2 浮點數
3．3．3 布爾類型
3．3．4 復數
3．4 字符串
3．5 列錶
3．6 可變與不可變
3．7 元組
3．8 字典
3．9 集閤
第4 章Python 集成開發環境：Spyder 介紹 36
4．1 代碼編輯器
4．2 代碼執行Console
4．3 變量查看與編輯
4．4 當前工作路徑與文件管理
4．5 幫助文檔與在綫幫助
4．6 其他功能
第5 章Python 運算符與使用 44
5．1 常用運算符
5．1．1 算術運算符
5．1．2 賦值運算符
5．1．3 比較運算符
5．1．4 邏輯運算符
5．1．5 身份運算符
5．1．6 成員運算符
5．1．7 運算符的優先級
5．2 具有運算功能的內置函數
第6 章Python 常用語句 55
6．1 賦值語句
6．1．1 賦值含義與簡單賦值
6．1．2 多重賦值
6．1．3 多元賦值
6．1．4 增強賦值
6．2 條件語句
6．3 循環語句
6．3．1 for 循環
6．3．2 while 循環
6．3．3 嵌套循環
6．3．4 break、continue 等語句
第7 章函數
7．1 函數的定義與調用
7．2 函數的參數
7．3 匿名函數
7．4 作用域
第8 章麵嚮對象
8．1 類
8．2 封裝
8．3 繼承（Inheritance）
第9 章Python 標準庫與數據操作
9．1 模塊、包和庫
9．1．1 模塊
9．1．2 包
9．1．3 庫
9．2 Python 標準庫介紹
9．3 Python 內置數據類型與操作
9．3．1 序列類型數據操作
9．3．1．1 list 類型與操作
9．3．1．2 tuple 類型與操作
9．3．1．3 range 類型與操作
9．3．1．4 字符串操作
9．3．2 字典類型操作
9．3．3 集閤操作...................
零起點Python大數據與量化交易
內容簡介
本書是國內較早關於Python大數據與量化交易的原創圖書，配閤zwPython開發平颱和zwQuant開源量化軟件學習，是一套完整的大數據分析、量化交易的學習教材，可直接用於實盤交易。本書有三大特色：一，以實盤個案分析為主，全程配有Python代碼；二，包含大量的圖文案例和Python源碼，無須專業編程基礎，懂Excel即可開始學習；三，配有專業的zwPython集成開發平颱、zwQuant量化軟件和zwDat數據包。
本書內容源自筆者的原版教學課件，雖然限於篇幅和載體，省略瞭視頻和部分環節，但核心內容都有保留，配套的近百套Python教學程序沒有進行任何刪減。考慮到廣大入門讀者的需求，筆者在各個核心函數環節增添瞭函數流程圖。
目 錄
第1章 從故事開始學量化 1
1.1 億萬富翁的“神奇公式” 2
1.1.1 案例1-1：億萬富翁的“神奇公式” 2
1.1.2 案例分析：Python圖錶 5
1.1.3 matplotlib繪圖模塊庫 7
1.1.4 案例分析：style繪圖風格 10
1.1.5 案例分析：colormap顔色錶 12
1.1.6 案例分析：顔色錶關鍵詞 14
1.1.7 深入淺齣 17
1.2 股市“一月效應” 18
1.2.1 案例1-2：股市“一月效應” 18
1.2.2 案例分析：“一月效應”計算 19
1.2.3 案例分析：“一月效應”圖錶分析 24
1.2.4 案例分析：顔色錶效果圖 26
1.2.5 “一月效應”全文注解版Python源碼 27
1.2.6 大數據?宏分析 34
1.3 量化交易流程與概念 36
1.3.1 數據分析I2O流程 36
1.3.2 量化交易不是高頻交易、自動交易 37
1.3.3 小資、小白、韭菜 38
1.3.4 專業與業餘 38
1.4 用戶運行環境配置 42
1.4.1 程序目錄結構 43
1.4.2 金融股票數據包 44
1.5 Python實戰操作技巧 46
1.5.1 模塊檢測 46
1.5.2 Spyder編輯器界麵設置 47
1.5.3 代碼配色技巧 48
1.5.4 圖像顯示配置 50
1.5.5 Python2、Python 3雙版本雙開模式 51
1.5.6 單版本雙開、多開模式 52
1.5.7 實戰勝於一切 54
1.6 量化、中醫與西醫 54
第2章 常用量化技術指標與框架 56
2.1 案例2-1：SMA均綫策略 56
2.1.1 案例要點與事件編程 58
2.1.2 量化程序結構 61
2.1.3 main程序主入口 61
2.1.4 KISS法則 63
2.2 Python量化係統框架 64
2.2.1 量化行業關鍵詞 64
2.2.2 國外主流Python量化網站 65
2.2.3 我國主流Python量化網站 67
2.2.4 主流Python量化框架 70
2.3 常用量化軟件包 78
2.3.1 常用量化軟件包簡介 79
2.3.2 案例2-2：模塊庫列錶 80
2.4 常用量化技術指標 82
2.4.1 TA-Lib金融軟件包 83
2.4.2 案例2-3：MA均綫函數調用 84
2.4.3 TA-Lib函數調用 86
2.4.4 量化分析常用指標 88
2.5 經典量化策略 90
2.5.1 阿爾法（Alpha）策略 90
2.5.2 Beta策略 92
2.5.3 海龜交易法則 93
2.5.4 ETF套利策略 95
2.6 常用量化策略 95
2.6.1 動量交易策略 96
2.6.2 均值迴歸策略 97
2.6.3 其他常用量化策略 98
2.7 起點與終點 100
第3章 金融數據采集整理 101
3.1 常用數據源API與模塊庫 102
3.1.1 大數據綜閤API 102
3.1.2 專業財經數據API 103
3.1.3 專業數據模塊庫 104
3.2 案例3-1：zwDatX數據類 104
3.3 美股數據源模塊庫 108
3.4 開源文檔庫Read the Docs 109
3.5 案例3-2：下載美股數據 110
3.6 財經數據源模塊庫TuShare 113
3.6.1 滬深股票列錶 115
3.6.2 案例3-3：下載股票代碼數據 116
3.6.3 CSV文件處理 119
3.7 曆史數據 121
3.7.1 曆史行情 121
3.7.2 案例3-4：下載近期股票數據 124
3.7.3 曆史復權數據 130
3.7.4 案例3-5：下載曆史復權數據 131
3.8 其他交易數據 134
3.9 zwDat大股票數據源與數據更新 143
3.9.1 案例3-6：A股基本概況數據下載 144
3.9.2 案例3-7：A股交易數據下載 146
3.9.3 案例3-8：A股指數行情數據下載 150
3.9.4 案例3-9：美股交易數據下載 151
3.10 數據歸一化處理 153
3.10.1 中美股票數據格式差異 153
3.10.2 案例3-10：數據格式轉化 154
3.10.3 案例3-11：A股策略PAT實盤分析 156
3.10.4 案例3-12：數據歸一化 158
3.11 為有源頭活水來 160
第4章 PAT案例匯編 162
4.1 投資組閤與迴報率 163
4.1.1 案例4-1：下載多組美股數據 163
4.1.2 案例4-2：投資組閤收益計算 165
4.2 SMA均綫策略 168
4.2.1 SMA簡單移動平均綫 168
4.2.2 案例4-3：原版SMA均綫策略 169
4.2.3 案例4-4：增強版SMA均綫策略 173
4.2.4 案例4-5：A股版SMA均綫策略 174
4.3 均綫交叉策略 175
4.3.1 案例4-6：均綫交叉策略 176
4.3.2 案例4-7：A股版均綫交叉策略 178
4.4 VWAP動量策略 181
4.4.1 案例4-8：VWAP動量策略 182
4.4.2 案例4-9：A股版VWAP動量策略 183
4.5 布林帶策略 183
4.5.1 案例4-10：布林帶策略 185
4.5.2 案例4-11：A股版布林帶策略 186
4.6 RSI2策略 188
4.6.1 案例4-12：RSI2策略 190
4.6.2 案例4-13：A股版RSI2策略 190
4.7 案例與傳承 194
第5章 zwQuant整體架構 196
5.1 發布前言 196
5.2 功能簡介 197
5.2.1 目錄結構 197
5.2.2 安裝與更新 198
5.2.3 模塊說明 199
5.2.4 zwSys模塊：係統變量與類定義 200
5.2.5 zwTools模塊：常用（非量化）工具函數 201
5.2.6 zwQTBox：常用“量化”工具函數集 201
5.2.7 zwQTDraw.py：量化繪圖工具函數 203
5.2.8 zwBacktest：迴溯測試工具函數 203
5.2.9 zwStrategy：策略工具函數 203
5.2.10 zw_TA-Lib：金融函數模塊 204
5.3 示例程序 207
5.4 常用量化分析參數 208
5.5 迴溯案例：對標測試 209
5.5.1 對標測試1：投資迴報參數 209
5.5.2 對標測試2：VWAP策略 211
5.6 迴報參數計算 214
5.7 主體框架 220
5.7.1 stkLib內存數據庫 220
5.7.2 Bars數據包 221
5.7.3 案例：內存數據庫＆數據包 222
5.7.4 qxLib、xtrdLib 227
5.7.5 案例5-1：qxLib數據 228
5.7.6 量化係統的價格體係 230
5.7.7 數據預處理 231
5.7.8 繪圖模闆 234
5.8 新的起點 236
第6章 模塊詳解與實盤數據 237
6.1 迴溯流程 238
6.1.1 案例6-1：投資迴報率 238
6.1.2 代碼構成 242
6.1.3 運行總流程 243
6.2 運行流程詳解 244
6.2.1 設置股票數據源 244
6.2.2 設置策略參數 247
6.2.3 dataPre數據預處理 249
6.2.4 綁定策略函數 253
6.2.5 迴溯測試：zwBackTest 253
6.2.6 輸齣迴溯結果數據、圖錶 258
6.3 零點策略 260
6.3.1 mul多個時間點的交易＆數據 263
6.3.2 案例6-2：多個時間點交易 264
6.4 不同數據源與格式修改 270
6.4.1 案例6-3：數據源修改 272
6.4.2 數據源格式修改 274
6.5 金融數據包與實盤數據更新 275
6.5.1 大盤指數文件升級 276
6.5.2 實盤數據更新 277
6.5.3 案例6-4：A股實盤數據更新 277
6.5.4 案例6-5：大盤指數更新 279
6.6 穩定 281
第7章 量化策略庫 282
7.1 量化策略庫簡介 282
7.1.1 量化係統的三代目 283
7.1.2 通用數據預處理函數 283
7.2 SMA均綫策略 286
7.2.1 案例7-1：SMA均綫策略 286
7.2.2 實盤下單時機與推薦 289
7.2.3 案例7-2：實盤SMA均綫策略 290
7.3 CMA均綫交叉策略 294
7.3.1 案例7-3：均綫交叉策略 294
7.3.2 對標測試誤差分析 296
7.3.3 案例7-4：CMA均綫交叉策略修改版 299
7.3.4 人工優化參數 300
7.4 VWAP策略 301
7.4.1 案例7-5：VWAP策略 301
7.4.2 案例7-6：實盤VWAP策略 303
7.5 BBands布林帶策略 304
7.5.1 案例7-7：BBands布林帶策略 305
7.5.2 案例7-8：實盤BBands布林帶策略 306
7.6 大道至簡1 1 307................
零起點Python機器學習快速入門
內容簡介
本書采用獨創的黑箱模式，MBA案例教學機製，結閤一綫實戰案例，介紹Sklearn人工智能模塊庫和常用的機器學習算法。書中配備大量圖錶說明，沒有枯燥的數學公式，普通讀者，隻要懂Word、Excel，就能夠輕鬆閱讀全書，並學習使用書中的知識，分析大數據。本書具有以下特色：獨創的黑箱教學模式，全書無任何抽象理論和深奧的數學公式。次係統化融閤Sklearn人工智能軟件和Pandas數據分析軟件，不用再直接使用復雜的Numpy數學矩陣模塊。係統化的Sklearn函數和API中文文檔，可作為案頭工具書隨時查閱。基於Sklearn+Pandas模式，無須任何理論基礎，全程采用MBA案例模式，懂Excel就可看懂。目 錄
第 1 章 從阿爾法狗開始說起1
1．1 阿爾法狗的前世今生．．．．．．．1
1．2 機器學習是什麼．．．．．2
1．3 機器學習大史記．．．．．3
1．4 機器學習經典案例．．．．．．．．． 11
第 2 章 開發環境．．．．．．13
2．1 數據分析 Python．．．．．13
2．2 用戶運行平颱．．．．．．．18
2．3 程序目錄結構．．．．．．．19
2．4 Spyder 編輯器界麵設置．20
2．5 Python 命令行模式．．．．．．．．．26
2．6 Notebook 模式．．．．．．27
2．7 模塊庫控製麵闆．．．29
2．8 使用 pip 更新模塊庫．．．．．．33
第 3 章 Python 入門案例．．．．39
3．1 案例 3-1：次編程“hello，ziwang” ．．．．39
3．2 案例 3-2：增強版“hello，ziwang” ．．42
3．3 案例 3-3：列舉係統模塊庫清單．．．．．．．44
3．4 案例 3-4：常用繪圖風格．．．．．．．．．45
3．5 案例 3-5：Pandas 常用繪圖風格．．．．．．．47
3．6 案例 3-6：常用顔色錶 cors．．．．．49
3．7 案例源碼．．．．．50
第 4 章 Python 基本語法．．．．58
4．1 數據類型．．．．．58
案例 4-1：基本運算．．．．．．．59
4．2 字符串．．．．．．．．．61
案例 4-2：字符串入門．．．61
案例 4-3：字符串常用方法．．．．．63
4．3 List 列錶．．．．．．64
案例 4-4：列錶操作．．．．．．．65
4．4 Tuple 元組．．．66
案例 4-5：元組操作．．．．．．．67
4．5 Dictionary 字典．．．．．68
案例 4-6：字典操作．．．．．．．68
4．6 數據類型轉換．．．．．．．70
案例 4-7：控製語句．．．．．．．71
案例 4-8：函數定義．．．．．．．73
4．7 案例源碼．．．．．75
第 5 章 Python 人工智能入門與實踐．．．．．．85
5．1 從忘卻開始．85
5．2 Iris 經典愛麗絲．．．．．89
案例 5-1：Iris 愛麗絲 ．．．．90
案例 5-2：愛麗絲進化與文本矢量化．．．．．．．．．92
5．3 AI 操作流程95
5．4 數據切割函數．．．．．．．98
案例 5-3：Iris 愛麗絲分解 ．．．．．．99
案例 5-4：綫性迴歸算法．．．．．．．103
5．5 案例源碼．．．109
第 6 章 機器學習經典算法案例（上） ． 116
6．1 綫性迴歸．．． 116
6．2 邏輯迴歸算法．．．．．124
案例 6-1：邏輯迴歸算法．．．．．．．125
6．3 樸素貝葉斯算法．127
案例 6-2：貝葉斯算法．129
6．4 KNN 近鄰算法 ．．．130
案例 6-3：KNN 近鄰算法．．．．．133
6．5 隨機森林算法．．．．．135
案例 6-4：隨機森林算法．．．．．．．139
6．6 案例源碼．．．140
第 7 章 機器學習經典算法案例（下） ．149
7．1 決策樹算法．．．．．．．．．149
案例 7-1：決策樹算法．151
7．2 GBDT 迭代決策樹算法．．．．．．．．．153
案例 7-2：GBDT 迭代決策樹算法．154
7．3 SVM 嚮量機 ．．．．．．．156
案例 7-3：SVM 嚮量機算法．157
7．4 SVM-cross 嚮量機交叉算法．．159
案例 7-4：SVM-cross 嚮量機交叉算法．．．．160
7．5 神經網絡算法．．．．．161
案例 7-5：MLP 神經網絡算法．．．．．．．．165
案例 7-6：MLP_reg 神經網絡迴歸算法．．．168
7．6 案例源碼．．．170
第 8 章 機器學習組閤算法 ．．．．．．．．．183
8．1 CCPP 數據集．．．．．．183
案例 8-1：CCPP 數據集．．．．．．．．184
案例 8-2：CCPP 數據切割．．．．186
案例 8-3：讀取 CCPP 數據集．．．．．．．．．189
8．2 機器學習統一接口函數．．．．．．．．．192
案例 8-4：機器學習統一接口．．．．．．．．．193
案例 8-5：批量調用機器學習算法．201
案例 8-6：一體化調用．205
8．3 模型預製與保存．208
案例 8-7：儲存算法模型．．．．．．．210
案例 8-8：批量儲存算法模型．．．．．．．．．213
案例 8-9：批量加載算法模型．．．．．．．．．215
案例 8-10：機器學習組閤算法．．．．．．．219
8．4 案例源碼．．．224................
用户评价
评分
评分
评分
评分
评分
评分
评分
评分
相关图书
本站所有內容均為互聯網搜索引擎提供的公開搜索信息，本站不存儲任何數據與內容，任何內容與數據均與本站無關，如有需要請聯繫相關搜索引擎包括但不限於百度，google,bing,sogou 等
© 2025 tushu.tinynews.org All Rights Reserved. 求知書站 版权所有