掃一掃
關注中圖網
官方微博
本類五星書更多>
-
>
全國計算機等級考試最新真考題庫模擬考場及詳解·二級MSOffice高級應用
-
>
決戰行測5000題(言語理解與表達)
-
>
軟件性能測試.分析與調優實踐之路
-
>
第一行代碼Android
-
>
JAVA持續交付
-
>
EXCEL最強教科書(完全版)(全彩印刷)
-
>
深度學習
買過本商品的人還買了
Python與量化投資從基礎到實戰 版權信息
- ISBN：9787121338571
- 條形碼：9787121338571 ; 978-7-121-33857-1
- 裝幀：一般膠版紙
- 冊數：暫無
- 重量：暫無
- 所屬分類：>>
Python與量化投資從基礎到實戰 本書特色
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、回測、策略分析等。本書也是利用Python進行數據分析的指南，有大量的關于數據處理分析的應用，并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基礎和量化投資兩大部分：Python基礎部分主要講解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；量化投資部分在Python基礎部分的基礎上，講解如何使用優礦（uqer.io）回測平臺實現主流策略及高級定制策略等。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，尤其是對于量化策略的實現代碼，讀者可直接自行修改并獲得策略的歷史回測結果，甚至可將代碼直接實盤應用，進行投資。
Python與量化投資從基礎到實戰 內容簡介
王小川等主編的《Python與量化投資(從基礎到實戰)》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、回測、策略分析等。本書也是利用Python進行數據分析的指南，有大量的關于數據處理分析的應用，并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基礎和量化投資兩大部分：Python基礎部分主要講解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；量化投資部分在Python基礎部分的基礎上，講解如何使用優礦（uqer.io）回測平臺實現主流策略及不錯定制策略等。
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，尤其是對于量化策略的實現代碼，讀者可直接自行修改并獲得策略的歷史回測結果，甚至可將代碼直接實盤應用，進行投資。
Python與量化投資從基礎到實戰 目錄
目 錄
第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
第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運算符與表達式 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中的控制流 27
2.4.1 控制流的功能 28
2.4.2 Python的三種控制流 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 對函數的調用與返回值 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
第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輸出設置 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
3.2.6 DataFrame按多列排序 73
3.2.7 DataFrame去重 73
3.2.8 刪除已有的列 74
3.2.9 Pandas替換數據 75
3.2.10 DataFrame重命名 75
3.2.11 DataFrame切片與篩選 76
3.2.12 連續型變量分組 78
3.2.13 Pandas分組技術 79
3.3 SciPy的初步使用 83
3.3.1 回歸分析 84
3.3.2 插值 87
3.3.3 正態性檢驗 89
3.3.4 凸優化 93
3.4 Matplotlib的使用 97
3.5 Seaborn的使用 97
3.5.1 主題管理 98
3.5.2 調色板 101
3.5.3 分布圖 102
3.5.4 回歸圖 104
3.5.5 矩陣圖 106
3.5.6 結構網格圖 108
3.6 Scikit-Learn的初步使用 109
3.6.1 Scikit-Learn學習準備 110
3.6.2 常見的機器學習模型 111
3.6.3 模型評價方法——metric模塊 120
3.6.4 深度學習 124
3.7 SQLAlchemy與常用數據庫的連接 124
3.7.1 連接數據庫 125
3.7.2 讀取數據 126
3.7.3 存儲數據 126
第4章 常用數據的獲取與整理 129
4.1 金融數據類型 129
4.2 金融數據的獲取 131
4.3 數據整理 135
4.3.1 數據整合 135
4.3.2 數據過濾 137
4.3.3 數據探索與數據清洗 138
4.3.4 數據轉化 140
第5章 通聯數據回測平臺介紹 143
5.1 回測平臺函數與參數介紹 144
5.1.1 設置回測參數 144
5.1.2 accounts賬戶配置 154
5.1.3 initialize（策略初始化環境） 160
5.1.4 handle_data（策略運行邏輯） 160
5.1.5 context（策略運行環境） 160
5.2 股票模板實例 168
5.3 期貨模板實例 173
5.4 策略回測詳情 179
5.5 策略的風險評價指標 181
5.6 策略交易細節 184
第6章 常用的量化策略及其實現 187
6.1 量化投資概述 187
6.1.1 量化投資簡介 187
6.1.2 量化投資策略的類型 188
6.1.3 量化研究的流程 189
6.2 行業輪動理論及其投資策略 192
6.2.1 行業輪動理論簡介 192
6.2.2 行業輪動的原因 192
6.2.3 行業輪動投資策略 194
6.3 市場中性Alpha策略 199
6.3.1 市場中性Alpha策略介紹 199
6.3.2 市場中性Alpha策略的思想和方法 200
6.3.3 實例展示 201
6.4 大師策略 206
6.4.1 麥克·歐希金斯績優成分股投資法 207
6.4.2 杰拉爾丁·維斯藍籌股投資法 211
6.5 CTA策略 219
6.5.1 趨勢跟隨策略 219
6.5.2 均值回復策略 241
6.5.3 CTA策略表現分析 253
6.6 Smart Beta 258
6.6.1 基于權重優化的Smart Beta 258
6.6.2 基于風險因子的Smart Beta 268
6.7 技術指標類策略 281
6.7.1 AROON指標 281
6.7.2 BOLL指標 285
6.7.3 CCI指標 288
6.7.4 CMO指標 293
6.7.5 Chaikin Oscillator指標 295
6.7.6 DMI指標 299
6.7.7 優礦平臺因子匯總 302
6.8 資產配置 317
6.8.1 有效邊界 318
6.8.2 Black-Litterman模型 335
6.8.3 風險平價模型 349
6.9 時間序列分析 358
6.9.1 與時間序列分析相關的基礎知識 358
6.9.2 自回歸（AR）模型 365
6.9.3 滑動平均（MA）模型 372
6.9.4 自回歸滑動平均（ARMA）模型 376
6.9.5 自回歸差分滑動平均（ARIMA）模型 379
6.10 組合優化器的使用 384
6.10.1 優化器的概念 384
6.10.2 優化器的API接口 386
6.10.3 優化器實例 388
6.11 期權策略：Greeks和隱含波動率微笑計算 392
6.11.1 數據準備 392
6.11.2 Greeks和隱含波動率計算 394
6.11.3 隱含波動率微笑 401
第7章 量化投資十問十答 405
第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
第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運算符與表達式 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中的控制流 27
2.4.1 控制流的功能 28
2.4.2 Python的三種控制流 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 對函數的調用與返回值 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
第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輸出設置 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
3.2.6 DataFrame按多列排序 73
3.2.7 DataFrame去重 73
3.2.8 刪除已有的列 74
3.2.9 Pandas替換數據 75
3.2.10 DataFrame重命名 75
3.2.11 DataFrame切片與篩選 76
3.2.12 連續型變量分組 78
3.2.13 Pandas分組技術 79
3.3 SciPy的初步使用 83
3.3.1 回歸分析 84
3.3.2 插值 87
3.3.3 正態性檢驗 89
3.3.4 凸優化 93
3.4 Matplotlib的使用 97
3.5 Seaborn的使用 97
3.5.1 主題管理 98
3.5.2 調色板 101
3.5.3 分布圖 102
3.5.4 回歸圖 104
3.5.5 矩陣圖 106
3.5.6 結構網格圖 108
3.6 Scikit-Learn的初步使用 109
3.6.1 Scikit-Learn學習準備 110
3.6.2 常見的機器學習模型 111
3.6.3 模型評價方法——metric模塊 120
3.6.4 深度學習 124
3.7 SQLAlchemy與常用數據庫的連接 124
3.7.1 連接數據庫 125
3.7.2 讀取數據 126
3.7.3 存儲數據 126
第4章 常用數據的獲取與整理 129
4.1 金融數據類型 129
4.2 金融數據的獲取 131
4.3 數據整理 135
4.3.1 數據整合 135
4.3.2 數據過濾 137
4.3.3 數據探索與數據清洗 138
4.3.4 數據轉化 140
第5章 通聯數據回測平臺介紹 143
5.1 回測平臺函數與參數介紹 144
5.1.1 設置回測參數 144
5.1.2 accounts賬戶配置 154
5.1.3 initialize（策略初始化環境） 160
5.1.4 handle_data（策略運行邏輯） 160
5.1.5 context（策略運行環境） 160
5.2 股票模板實例 168
5.3 期貨模板實例 173
5.4 策略回測詳情 179
5.5 策略的風險評價指標 181
5.6 策略交易細節 184
第6章 常用的量化策略及其實現 187
6.1 量化投資概述 187
6.1.1 量化投資簡介 187
6.1.2 量化投資策略的類型 188
6.1.3 量化研究的流程 189
6.2 行業輪動理論及其投資策略 192
6.2.1 行業輪動理論簡介 192
6.2.2 行業輪動的原因 192
6.2.3 行業輪動投資策略 194
6.3 市場中性Alpha策略 199
6.3.1 市場中性Alpha策略介紹 199
6.3.2 市場中性Alpha策略的思想和方法 200
6.3.3 實例展示 201
6.4 大師策略 206
6.4.1 麥克·歐希金斯績優成分股投資法 207
6.4.2 杰拉爾丁·維斯藍籌股投資法 211
6.5 CTA策略 219
6.5.1 趨勢跟隨策略 219
6.5.2 均值回復策略 241
6.5.3 CTA策略表現分析 253
6.6 Smart Beta 258
6.6.1 基于權重優化的Smart Beta 258
6.6.2 基于風險因子的Smart Beta 268
6.7 技術指標類策略 281
6.7.1 AROON指標 281
6.7.2 BOLL指標 285
6.7.3 CCI指標 288
6.7.4 CMO指標 293
6.7.5 Chaikin Oscillator指標 295
6.7.6 DMI指標 299
6.7.7 優礦平臺因子匯總 302
6.8 資產配置 317
6.8.1 有效邊界 318
6.8.2 Black-Litterman模型 335
6.8.3 風險平價模型 349
6.9 時間序列分析 358
6.9.1 與時間序列分析相關的基礎知識 358
6.9.2 自回歸（AR）模型 365
6.9.3 滑動平均（MA）模型 372
6.9.4 自回歸滑動平均（ARMA）模型 376
6.9.5 自回歸差分滑動平均（ARIMA）模型 379
6.10 組合優化器的使用 384
6.10.1 優化器的概念 384
6.10.2 優化器的API接口 386
6.10.3 優化器實例 388
6.11 期權策略：Greeks和隱含波動率微笑計算 392
6.11.1 數據準備 392
6.11.2 Greeks和隱含波動率計算 394
6.11.3 隱含波動率微笑 401
第7章 量化投資十問十答 405
展開全部
Python與量化投資從基礎到實戰 作者簡介
通聯數據資深量化投資專家，多本暢銷書的作者，在量化投資領域和神經網絡領域有自己的流量，人氣頗高，為高水準高知名度作者。
書友推薦
- >
羅曼·羅蘭讀書隨筆-精裝
- >
我從未如此眷戀人間
- >
小考拉的故事-套裝共3冊
- >
我與地壇
- >
莉莉和章魚
- >
有舍有得是人生
- >
朝聞道
- >
自卑與超越
本類暢銷
