掃一掃
關(guān)注中圖網(wǎng)
官方微博
包郵 Python股票量化交易從入門(mén)到實(shí)踐/金融科技系列
作者：袁霄
開(kāi)本：
16開(kāi)
頁(yè)數(shù)：
342
本類(lèi)榜單：計(jì)算機(jī)/網(wǎng)絡(luò)銷(xiāo)量榜
本類(lèi)五星書(shū)更多>
-
>
全國(guó)計(jì)算機(jī)等級(jí)考試最新真考題庫(kù)模擬考場(chǎng)及詳解·二級(jí)MSOffice高級(jí)應(yīng)用
-
>
決戰(zhàn)行測(cè)5000題(言語(yǔ)理解與表達(dá))
-
>
軟件性能測(cè)試.分析與調(diào)優(yōu)實(shí)踐之路
-
>
第一行代碼Android
-
>
JAVA持續(xù)交付
-
>
EXCEL最強(qiáng)教科書(shū)(完全版)(全彩印刷)
-
>
深度學(xué)習(xí)
買(mǎi)過(guò)本商品的人還買(mǎi)了
中圖價(jià):¥58.9
加入購(gòu)物車(chē)
Python股票量化交易從入門(mén)到實(shí)踐/金融科技系列 版權(quán)信息
- ISBN：9787115536075
- 條形碼：9787115536075 ; 978-7-115-53607-5
- 裝幀：一般膠版紙
- 冊(cè)數(shù)：暫無(wú)
- 重量：暫無(wú)
- 所屬分類(lèi)：>
Python股票量化交易從入門(mén)到實(shí)踐/金融科技系列 本書(shū)特色
1.厘清概念，夯實(shí)技能 深入淺出揭示量化交易的本質(zhì)和源起，手把手教你部署Python環(huán)境，跟隨代碼示例掌握基本的編程語(yǔ)法和模塊調(diào)用。 2.立足A股，貼近實(shí)戰(zhàn) 選擇A股市場(chǎng)作為標(biāo)的，囊括多渠道數(shù)據(jù)獲取、技術(shù)指標(biāo)的回測(cè)分析與可視化等，在邊學(xué)邊練中摸索股票量化技巧。 3.步驟詳細(xì)，模型與代碼并重 統(tǒng)計(jì)概率理論快速入門(mén)，ATR技術(shù)指標(biāo)、蒙特卡洛法、凱利公式等經(jīng)典策略與Python編碼的完美融合。 4.大咖推薦，品質(zhì)保證 暢銷(xiāo)書(shū)《基于Python的金融分析與風(fēng)險(xiǎn)防控》作者斯文博士作序推薦，《快樂(lè)機(jī)器學(xué)習(xí)》作者王圣元傾情推薦。
Python股票量化交易從入門(mén)到實(shí)踐/金融科技系列 內(nèi)容簡(jiǎn)介
量化交易是一種新興的系統(tǒng)化的金融投資方法，它是以計(jì)算機(jī)強(qiáng)大的運(yùn)算能力為基礎(chǔ)，運(yùn)用數(shù)據(jù)建模、統(tǒng)計(jì)學(xué)分析、程序設(shè)計(jì)等工具從歷史數(shù)據(jù)中得到良好的交易策略，是計(jì)算機(jī)科學(xué)在金融領(lǐng)域的具體應(yīng)用。Python語(yǔ)言憑借其簡(jiǎn)潔、高效的特性，以及其在大數(shù)據(jù)分析方面的強(qiáng)大性能，在量化交易領(lǐng)域得到了良好的應(yīng)用。 本書(shū)以A股市場(chǎng)為交易標(biāo)的物，引導(dǎo)讀者從理解量化交易開(kāi)始，逐步掌握行情數(shù)據(jù)的獲取和管理、技術(shù)指標(biāo)的可視化，并在熟練編程的基礎(chǔ)上，構(gòu)建出個(gè)性化的交易策略體系。 本書(shū)適合對(duì)股票的量化交易感興趣的讀者閱讀，通過(guò)閱讀本書(shū)，讀者不僅能夠了解Python數(shù)據(jù)分析和數(shù)據(jù)可視化的核心技能，更能夠?qū)ython作為常用工具，為股票技術(shù)指標(biāo)分析和量化交易提供助力。
Python股票量化交易從入門(mén)到實(shí)踐/金融科技系列 目錄
第 1章 理解Python股票量化交易 1
1．1 多角度分析量化交易 1
1．1．1 量化交易的本質(zhì) 2
1．1．2 量化交易的發(fā)展 4
1．1．3 量化交易的優(yōu)勢(shì) 7
1．1．4 量化交易的過(guò)程 8
1．2 多角度分析股票價(jià)格 9
1．2．1 從股票的起源看本質(zhì) 9
1．2．2 如何衡量股票溢價(jià) 11
1．2．3 股票收益的組成 12
1．2．4 股價(jià)波動(dòng)的原因 13
1．3 為什么選擇Python語(yǔ)言 14
1．3．1 概述編程語(yǔ)言的發(fā)展 14
1．3．2 面向過(guò)程和面向?qū)ο?15
1．3．3 Python的起源及優(yōu)勢(shì) 16
1．4 本章總結(jié) 17
第 2章 量化語(yǔ)言Python的關(guān)鍵應(yīng)用 18
2．1 快速部署Python開(kāi)發(fā)環(huán)境 18
2．1．1 Python環(huán)境安裝 18
2．1．2 第三方庫(kù)安裝 21
2．1．3 開(kāi)發(fā)工具安裝 22
2．2 開(kāi)啟Python的第 一個(gè)程序 26
2．2．1 如何建立標(biāo)準(zhǔn)py文件 26
2．2．2 區(qū)分模塊、包、庫(kù) 28
2．2．3 import發(fā)揮擴(kuò)展優(yōu)勢(shì) 29
2．2．4 調(diào)試助手print( )函數(shù) 30
2．3 何為Python動(dòng)態(tài)類(lèi)型特性 31
2．3．1 變量的種類(lèi) 31
2．3．2 動(dòng)態(tài)類(lèi)型的特性 35
2．3．3 內(nèi)存管理與回收 38
2．3．4 深入探究PyObject 39
2．4 如何正確地創(chuàng)建函數(shù) 41
2．4．1 用def關(guān)鍵字定義函數(shù) 41
2．4．2 參數(shù)傳遞的形式 41
2．4．3 匿名函數(shù)lambda 44
2．5 初識(shí)Python面向?qū)ο?45
2．5．1 父類(lèi)、子類(lèi)和實(shí)例 46
2．5．2 元類(lèi)和類(lèi)及object和type 47
2．5．3 經(jīng)典類(lèi)和新式類(lèi)的區(qū)別 49
2．6 如何用面向?qū)ο笏季S編程 49
2．6．1 如何正確地構(gòu)建類(lèi) 50
2．6．2 類(lèi)的實(shí)例化全過(guò)程 51
2．6．3 如何引用類(lèi)的屬性 52
2．6．4 如何引用類(lèi)的方法 54
2．6．5 類(lèi)的繼承機(jī)制應(yīng)用 55
2．6．6 類(lèi)的組合機(jī)制應(yīng)用 57
2．7 深入理解for-in循環(huán) 57
2．7．1 for-in循環(huán)的原理 57
2．7．2 for-in循環(huán)的使用技巧 59
2．7．3 生成器的原理和作用 62
2．8 巧用裝飾器測(cè)試代碼效率 63
2．9 多進(jìn)程和多線程的提速方案 67
2．9．1 多進(jìn)程和多線程 68
2．9．2 Python的GIL原理 68
2．9．3 多任務(wù)的解決方案 69
2．10 未雨綢繆的異常處理機(jī)制 72
2．10．1 分析try-except常規(guī)機(jī)制 72
2．10．2 擴(kuò)展try-except使用技巧 74
2．11 本章總結(jié) 75
第3章 第三方庫(kù)NumPy快速入門(mén) 76
3．1 初識(shí)N維數(shù)組對(duì)象 76
3．2 N維數(shù)組對(duì)象的特性 78
3．2．1 矢量運(yùn)算的特性 78
3．2．2 廣播運(yùn)算的特性 79
3．2．3 用條件表達(dá)式選取元素 82
3．3 高效處理性能的對(duì)比 83
3．4 用常用數(shù)組處理函數(shù) 84
3．4．1 創(chuàng)建數(shù)組的函數(shù) 85
3．4．2 元素級(jí)處理函數(shù) 87
3．4．3 線性代數(shù)相關(guān)函數(shù) 88
3．5 本章總結(jié) 91
第4章 第三方庫(kù)Pandas快速入門(mén) 92
4．1 Series和DataFrame概覽 93
4．2 Series的生成和訪問(wèn) 93
4．2．1 Series的生成方法 94
4．2．2 Series的訪問(wèn)方法 96
4．3 DataFrame的生成和訪問(wèn) 97
4．3．1 DataFrame的生成方法 97
4．3．2 DataFrame的索引訪問(wèn) 99
4．3．3 DataFrame的元素訪問(wèn) 100
4．3．4 元素標(biāo)簽和位置的轉(zhuǎn)換 103
4．3．5 用條件表達(dá)式訪問(wèn)元素 105
4．4 時(shí)間序列的生成和轉(zhuǎn)換 106
4．4．1 用datetime生成時(shí)間序列 106
4．4．2 用Pandas生成時(shí)間序列 109
4．4．3 時(shí)間序列的降采樣 112
4．4．4 時(shí)間序列的升采樣 114
4．5 DataFrame的規(guī)整化處理 117
4．5．1 模擬生成股票行情數(shù)據(jù) 117
4．5．2 DataFrame概覽 120
4．5．3 DataFrame的可視化 122
4．5．4 DataFrame缺失值處理 123
4．5．5 DataFrame精度的轉(zhuǎn)換 125
4．5．6 DataFrame合并處理 125
4．6 DataFrame的高效遍歷 128
4．6．1 循環(huán)遍歷的幾種方式 129
4．6．2 循環(huán)遍歷的性能對(duì)比 130
4．7 DataFrame的存儲(chǔ)和加載 131
4．7．1 將DataFrame存儲(chǔ)至CSV 132
4．7．2 將CSV加載為DataFrame 134
4．8 本章總結(jié) 135
第5章 第三方庫(kù)Matplotlib快速入門(mén) 136
5．1 兩種繪圖方式的區(qū)分 136
5．1．1 函數(shù)式繪圖 137
5．1．2 對(duì)象式繪圖 141
5．2 常用圖表類(lèi)型的繪制 143
5．2．1 折線圖的繪制 143
5．2．2 標(biāo)注點(diǎn)的繪制 144
5．2．3 參考線 區(qū)域的繪制 147
5．2．4 雙y軸圖表的繪制 148
5．2．5 條形圖的繪制 149
5．2．6 直方圖的繪制 151
5．2．7 K線圖的繪制 152
5．3 圖形對(duì)象屬性參數(shù)的調(diào)節(jié) 155
5．4 多子圖對(duì)象的創(chuàng)建和布局 158
5．4．1 創(chuàng)建多子圖對(duì)象的方法 158
5．4．2 布局多子圖對(duì)象的方法 161
5．5 注意事項(xiàng) 163
5．5．1 tight_layout( )出錯(cuò)問(wèn)題 163
5．5．2 中文顯示亂碼問(wèn)題 164
5．6 本章總結(jié) 164
第6章 統(tǒng)計(jì)概率理論快速入門(mén) 165
6．1 統(tǒng)計(jì)概率的基礎(chǔ)知識(shí) 165
6．1．1 隨機(jī)事件與概率的關(guān)系 165
6．1．2 離散和連續(xù)隨機(jī)變量 166
6．1．3 典型的隨機(jī)變量分布 168
6．2 深入理解伯努利分布 170
6．2．1 伯努利分布的隨機(jī)數(shù) 170
6．2．2 伯努利分布的概率 170
6．2．3 伯努利分布的市場(chǎng)模型 172
6．3 深入理解正態(tài)分布 179
6．3．1 正態(tài)分布的隨機(jī)數(shù) 179
6．3．2 生成概率密度函數(shù) 181
6．3．3 正態(tài)分布與隨機(jī)漫步 183
6．4 本章總結(jié) 188
第7章 股票行情數(shù)據(jù)的獲取和管理 189
7．1 如何獲取股票行情數(shù)據(jù) 189
7．1．1 用Panads獲取股票數(shù)據(jù) 190
7．1．2 用Tushare獲取股票數(shù)據(jù) 192
7．1．3 用Baostock獲取股票數(shù)據(jù) 196
7．2 規(guī)整化處理股票數(shù)據(jù)格式 199
7．2．1 行索引時(shí)間格式規(guī)整化 200
7．2．2 列索引名稱格式規(guī)整化 202
7．3 定制股票行情數(shù)據(jù)獲取接口 203
7．4 注冊(cè)JSON格式自選股票池 204
7．4．1 將股票池另存為JSON文件 205
7．4．2 加載JSON文件以獲取股票池 209
7．5 用多任務(wù)為股票數(shù)據(jù)的獲取提速 209
7．6 用數(shù)據(jù)庫(kù)管理本地行情數(shù)據(jù) 212
7．6．1 Python操作SQLite的API 212
7．6．2 Pandas操作SQLite的API 216
7．6．3 建立SQLite股票行情數(shù)據(jù)庫(kù) 217
7．6．4 基于SQLite股票行情數(shù)據(jù)分析 219
7．7 本章總結(jié) 221
第8章 股票技術(shù)指標(biāo)的可視化分析 222
8．1 定制可視化接口 222
8．1．1 可視化代碼結(jié)構(gòu)分析 224
8．1．2 可視化接口框架實(shí)現(xiàn) 225
8．1．3 可視化圖表類(lèi)型實(shí)現(xiàn) 228
8．1．4 可視化接口使用說(shuō)明 229
8．2 基礎(chǔ)技術(shù)指標(biāo)的可視化 231
8．2．1 原生量?jī)r(jià)指標(biāo)可視化 232
8．2．2 移動(dòng)平均線SMA可視化 235
8．2．3 震蕩類(lèi)指標(biāo)KDJ可視化 237
8．2．4 趨勢(shì)類(lèi)指標(biāo)MACD可視化 239
8．3 衍生技術(shù)指標(biāo)的可視化 242
8．3．1 均線交叉信號(hào)可視化 243
8．3．2 股價(jià)跳空缺口可視化 246
8．3．3 量?jī)r(jià)指標(biāo)周期重采樣 251
8．3．4 黃金分割與支撐 阻力線 256
8．4 使用TA-Lib庫(kù)計(jì)算技術(shù)指標(biāo) 261
8．4．1 常用技術(shù)指標(biāo)的計(jì)算方法 261
8．4．2 常見(jiàn)K線形態(tài)的識(shí)別方法 265
8．4．3 TA-Lib庫(kù)的計(jì)算速率優(yōu)勢(shì) 268
8．5 自定義顯示界面框架開(kāi)發(fā) 268
8．5．1 行情界面需求分析 269
8．5．2 行情界面框架實(shí)現(xiàn) 269
8．5．3 如何顯示行情界面 272
8．6 本章總結(jié) 275
第9章 構(gòu)建股票量化交易策略體系 276
9．1 建立多維度的度量體系 276
9．1．1 交易盈虧區(qū)間可視化 277
9．1．2 交易概覽信息的統(tǒng)計(jì) 281
9．1．3 度量策略資金的絕對(duì)收益 283
9．1．4 度量策略與基準(zhǔn)的相對(duì)收益 286
9．1．5 度量策略的*大風(fēng)險(xiǎn)回撤 288
9．1．6 回測(cè)界面的自定義設(shè)計(jì) 293
9．2 經(jīng)典擇時(shí)策略進(jìn)階之股票量化 交易 304
9．2．1 唐奇安通道突破策略的思想 305
9．2．2 唐奇安通道突破策略的實(shí)現(xiàn) 306
9．2．3 唐奇安通道突破策略的回測(cè) 310
9．3 融入ATR跟蹤止盈 止損策略 311
9．3．1 ATR技術(shù)指標(biāo)的實(shí)現(xiàn) 312
9．3．2 止盈 止損策略的實(shí)現(xiàn) 313
9．3．3 ATR止盈 止損策略回測(cè) 315
9．4 蒙特卡洛法*優(yōu)化策略參數(shù) 316
9．4．1 枚舉法與蒙特卡洛法的區(qū)別 317
9．4．2 蒙特卡洛參數(shù)*優(yōu)化的實(shí)現(xiàn) 322
9．5 基于凱利公式量化倉(cāng)位管理 324
9．5．1 凱利公式的原理分析 324
9．5．2 凱利公式的效果展示 326
9．5．3 凱利公式在股票中的應(yīng)用 327
9．6 用經(jīng)典選股策略完善股票量化體系 329
9．6．1 線性回歸的原理和實(shí)現(xiàn) 329
9．6．2 用走勢(shì)線性回歸建立選股模型 332
9．6．3 走勢(shì)線性回歸的衍生分析法 335
9．7 謹(jǐn)防回測(cè)階段的陷阱 338
9．7．1 避免使用未來(lái)函數(shù) 338
9．7．2 設(shè)置滑點(diǎn)以避免偷價(jià) 339
9．7．3 避免無(wú)手續(xù)費(fèi)的策略 340
9．7．4 避免參數(shù)的過(guò)度優(yōu)化 341
9．8 本章總結(jié) 342
1．1 多角度分析量化交易 1
1．1．1 量化交易的本質(zhì) 2
1．1．2 量化交易的發(fā)展 4
1．1．3 量化交易的優(yōu)勢(shì) 7
1．1．4 量化交易的過(guò)程 8
1．2 多角度分析股票價(jià)格 9
1．2．1 從股票的起源看本質(zhì) 9
1．2．2 如何衡量股票溢價(jià) 11
1．2．3 股票收益的組成 12
1．2．4 股價(jià)波動(dòng)的原因 13
1．3 為什么選擇Python語(yǔ)言 14
1．3．1 概述編程語(yǔ)言的發(fā)展 14
1．3．2 面向過(guò)程和面向?qū)ο?15
1．3．3 Python的起源及優(yōu)勢(shì) 16
1．4 本章總結(jié) 17
第 2章 量化語(yǔ)言Python的關(guān)鍵應(yīng)用 18
2．1 快速部署Python開(kāi)發(fā)環(huán)境 18
2．1．1 Python環(huán)境安裝 18
2．1．2 第三方庫(kù)安裝 21
2．1．3 開(kāi)發(fā)工具安裝 22
2．2 開(kāi)啟Python的第 一個(gè)程序 26
2．2．1 如何建立標(biāo)準(zhǔn)py文件 26
2．2．2 區(qū)分模塊、包、庫(kù) 28
2．2．3 import發(fā)揮擴(kuò)展優(yōu)勢(shì) 29
2．2．4 調(diào)試助手print( )函數(shù) 30
2．3 何為Python動(dòng)態(tài)類(lèi)型特性 31
2．3．1 變量的種類(lèi) 31
2．3．2 動(dòng)態(tài)類(lèi)型的特性 35
2．3．3 內(nèi)存管理與回收 38
2．3．4 深入探究PyObject 39
2．4 如何正確地創(chuàng)建函數(shù) 41
2．4．1 用def關(guān)鍵字定義函數(shù) 41
2．4．2 參數(shù)傳遞的形式 41
2．4．3 匿名函數(shù)lambda 44
2．5 初識(shí)Python面向?qū)ο?45
2．5．1 父類(lèi)、子類(lèi)和實(shí)例 46
2．5．2 元類(lèi)和類(lèi)及object和type 47
2．5．3 經(jīng)典類(lèi)和新式類(lèi)的區(qū)別 49
2．6 如何用面向?qū)ο笏季S編程 49
2．6．1 如何正確地構(gòu)建類(lèi) 50
2．6．2 類(lèi)的實(shí)例化全過(guò)程 51
2．6．3 如何引用類(lèi)的屬性 52
2．6．4 如何引用類(lèi)的方法 54
2．6．5 類(lèi)的繼承機(jī)制應(yīng)用 55
2．6．6 類(lèi)的組合機(jī)制應(yīng)用 57
2．7 深入理解for-in循環(huán) 57
2．7．1 for-in循環(huán)的原理 57
2．7．2 for-in循環(huán)的使用技巧 59
2．7．3 生成器的原理和作用 62
2．8 巧用裝飾器測(cè)試代碼效率 63
2．9 多進(jìn)程和多線程的提速方案 67
2．9．1 多進(jìn)程和多線程 68
2．9．2 Python的GIL原理 68
2．9．3 多任務(wù)的解決方案 69
2．10 未雨綢繆的異常處理機(jī)制 72
2．10．1 分析try-except常規(guī)機(jī)制 72
2．10．2 擴(kuò)展try-except使用技巧 74
2．11 本章總結(jié) 75
第3章 第三方庫(kù)NumPy快速入門(mén) 76
3．1 初識(shí)N維數(shù)組對(duì)象 76
3．2 N維數(shù)組對(duì)象的特性 78
3．2．1 矢量運(yùn)算的特性 78
3．2．2 廣播運(yùn)算的特性 79
3．2．3 用條件表達(dá)式選取元素 82
3．3 高效處理性能的對(duì)比 83
3．4 用常用數(shù)組處理函數(shù) 84
3．4．1 創(chuàng)建數(shù)組的函數(shù) 85
3．4．2 元素級(jí)處理函數(shù) 87
3．4．3 線性代數(shù)相關(guān)函數(shù) 88
3．5 本章總結(jié) 91
第4章 第三方庫(kù)Pandas快速入門(mén) 92
4．1 Series和DataFrame概覽 93
4．2 Series的生成和訪問(wèn) 93
4．2．1 Series的生成方法 94
4．2．2 Series的訪問(wèn)方法 96
4．3 DataFrame的生成和訪問(wèn) 97
4．3．1 DataFrame的生成方法 97
4．3．2 DataFrame的索引訪問(wèn) 99
4．3．3 DataFrame的元素訪問(wèn) 100
4．3．4 元素標(biāo)簽和位置的轉(zhuǎn)換 103
4．3．5 用條件表達(dá)式訪問(wèn)元素 105
4．4 時(shí)間序列的生成和轉(zhuǎn)換 106
4．4．1 用datetime生成時(shí)間序列 106
4．4．2 用Pandas生成時(shí)間序列 109
4．4．3 時(shí)間序列的降采樣 112
4．4．4 時(shí)間序列的升采樣 114
4．5 DataFrame的規(guī)整化處理 117
4．5．1 模擬生成股票行情數(shù)據(jù) 117
4．5．2 DataFrame概覽 120
4．5．3 DataFrame的可視化 122
4．5．4 DataFrame缺失值處理 123
4．5．5 DataFrame精度的轉(zhuǎn)換 125
4．5．6 DataFrame合并處理 125
4．6 DataFrame的高效遍歷 128
4．6．1 循環(huán)遍歷的幾種方式 129
4．6．2 循環(huán)遍歷的性能對(duì)比 130
4．7 DataFrame的存儲(chǔ)和加載 131
4．7．1 將DataFrame存儲(chǔ)至CSV 132
4．7．2 將CSV加載為DataFrame 134
4．8 本章總結(jié) 135
第5章 第三方庫(kù)Matplotlib快速入門(mén) 136
5．1 兩種繪圖方式的區(qū)分 136
5．1．1 函數(shù)式繪圖 137
5．1．2 對(duì)象式繪圖 141
5．2 常用圖表類(lèi)型的繪制 143
5．2．1 折線圖的繪制 143
5．2．2 標(biāo)注點(diǎn)的繪制 144
5．2．3 參考線 區(qū)域的繪制 147
5．2．4 雙y軸圖表的繪制 148
5．2．5 條形圖的繪制 149
5．2．6 直方圖的繪制 151
5．2．7 K線圖的繪制 152
5．3 圖形對(duì)象屬性參數(shù)的調(diào)節(jié) 155
5．4 多子圖對(duì)象的創(chuàng)建和布局 158
5．4．1 創(chuàng)建多子圖對(duì)象的方法 158
5．4．2 布局多子圖對(duì)象的方法 161
5．5 注意事項(xiàng) 163
5．5．1 tight_layout( )出錯(cuò)問(wèn)題 163
5．5．2 中文顯示亂碼問(wèn)題 164
5．6 本章總結(jié) 164
第6章 統(tǒng)計(jì)概率理論快速入門(mén) 165
6．1 統(tǒng)計(jì)概率的基礎(chǔ)知識(shí) 165
6．1．1 隨機(jī)事件與概率的關(guān)系 165
6．1．2 離散和連續(xù)隨機(jī)變量 166
6．1．3 典型的隨機(jī)變量分布 168
6．2 深入理解伯努利分布 170
6．2．1 伯努利分布的隨機(jī)數(shù) 170
6．2．2 伯努利分布的概率 170
6．2．3 伯努利分布的市場(chǎng)模型 172
6．3 深入理解正態(tài)分布 179
6．3．1 正態(tài)分布的隨機(jī)數(shù) 179
6．3．2 生成概率密度函數(shù) 181
6．3．3 正態(tài)分布與隨機(jī)漫步 183
6．4 本章總結(jié) 188
第7章 股票行情數(shù)據(jù)的獲取和管理 189
7．1 如何獲取股票行情數(shù)據(jù) 189
7．1．1 用Panads獲取股票數(shù)據(jù) 190
7．1．2 用Tushare獲取股票數(shù)據(jù) 192
7．1．3 用Baostock獲取股票數(shù)據(jù) 196
7．2 規(guī)整化處理股票數(shù)據(jù)格式 199
7．2．1 行索引時(shí)間格式規(guī)整化 200
7．2．2 列索引名稱格式規(guī)整化 202
7．3 定制股票行情數(shù)據(jù)獲取接口 203
7．4 注冊(cè)JSON格式自選股票池 204
7．4．1 將股票池另存為JSON文件 205
7．4．2 加載JSON文件以獲取股票池 209
7．5 用多任務(wù)為股票數(shù)據(jù)的獲取提速 209
7．6 用數(shù)據(jù)庫(kù)管理本地行情數(shù)據(jù) 212
7．6．1 Python操作SQLite的API 212
7．6．2 Pandas操作SQLite的API 216
7．6．3 建立SQLite股票行情數(shù)據(jù)庫(kù) 217
7．6．4 基于SQLite股票行情數(shù)據(jù)分析 219
7．7 本章總結(jié) 221
第8章 股票技術(shù)指標(biāo)的可視化分析 222
8．1 定制可視化接口 222
8．1．1 可視化代碼結(jié)構(gòu)分析 224
8．1．2 可視化接口框架實(shí)現(xiàn) 225
8．1．3 可視化圖表類(lèi)型實(shí)現(xiàn) 228
8．1．4 可視化接口使用說(shuō)明 229
8．2 基礎(chǔ)技術(shù)指標(biāo)的可視化 231
8．2．1 原生量?jī)r(jià)指標(biāo)可視化 232
8．2．2 移動(dòng)平均線SMA可視化 235
8．2．3 震蕩類(lèi)指標(biāo)KDJ可視化 237
8．2．4 趨勢(shì)類(lèi)指標(biāo)MACD可視化 239
8．3 衍生技術(shù)指標(biāo)的可視化 242
8．3．1 均線交叉信號(hào)可視化 243
8．3．2 股價(jià)跳空缺口可視化 246
8．3．3 量?jī)r(jià)指標(biāo)周期重采樣 251
8．3．4 黃金分割與支撐 阻力線 256
8．4 使用TA-Lib庫(kù)計(jì)算技術(shù)指標(biāo) 261
8．4．1 常用技術(shù)指標(biāo)的計(jì)算方法 261
8．4．2 常見(jiàn)K線形態(tài)的識(shí)別方法 265
8．4．3 TA-Lib庫(kù)的計(jì)算速率優(yōu)勢(shì) 268
8．5 自定義顯示界面框架開(kāi)發(fā) 268
8．5．1 行情界面需求分析 269
8．5．2 行情界面框架實(shí)現(xiàn) 269
8．5．3 如何顯示行情界面 272
8．6 本章總結(jié) 275
第9章 構(gòu)建股票量化交易策略體系 276
9．1 建立多維度的度量體系 276
9．1．1 交易盈虧區(qū)間可視化 277
9．1．2 交易概覽信息的統(tǒng)計(jì) 281
9．1．3 度量策略資金的絕對(duì)收益 283
9．1．4 度量策略與基準(zhǔn)的相對(duì)收益 286
9．1．5 度量策略的*大風(fēng)險(xiǎn)回撤 288
9．1．6 回測(cè)界面的自定義設(shè)計(jì) 293
9．2 經(jīng)典擇時(shí)策略進(jìn)階之股票量化 交易 304
9．2．1 唐奇安通道突破策略的思想 305
9．2．2 唐奇安通道突破策略的實(shí)現(xiàn) 306
9．2．3 唐奇安通道突破策略的回測(cè) 310
9．3 融入ATR跟蹤止盈 止損策略 311
9．3．1 ATR技術(shù)指標(biāo)的實(shí)現(xiàn) 312
9．3．2 止盈 止損策略的實(shí)現(xiàn) 313
9．3．3 ATR止盈 止損策略回測(cè) 315
9．4 蒙特卡洛法*優(yōu)化策略參數(shù) 316
9．4．1 枚舉法與蒙特卡洛法的區(qū)別 317
9．4．2 蒙特卡洛參數(shù)*優(yōu)化的實(shí)現(xiàn) 322
9．5 基于凱利公式量化倉(cāng)位管理 324
9．5．1 凱利公式的原理分析 324
9．5．2 凱利公式的效果展示 326
9．5．3 凱利公式在股票中的應(yīng)用 327
9．6 用經(jīng)典選股策略完善股票量化體系 329
9．6．1 線性回歸的原理和實(shí)現(xiàn) 329
9．6．2 用走勢(shì)線性回歸建立選股模型 332
9．6．3 走勢(shì)線性回歸的衍生分析法 335
9．7 謹(jǐn)防回測(cè)階段的陷阱 338
9．7．1 避免使用未來(lái)函數(shù) 338
9．7．2 設(shè)置滑點(diǎn)以避免偷價(jià) 339
9．7．3 避免無(wú)手續(xù)費(fèi)的策略 340
9．7．4 避免參數(shù)的過(guò)度優(yōu)化 341
9．8 本章總結(jié) 342
展開(kāi)全部
Python股票量化交易從入門(mén)到實(shí)踐/金融科技系列 作者簡(jiǎn)介
袁霄，資深Python數(shù)據(jù)分析師兼高級(jí)項(xiàng)目管理師，精通C C++ Python語(yǔ)言、Web前后端技術(shù)、人工智能算法、大數(shù)據(jù)分析、證券分析等多領(lǐng)域知識(shí)，致力于推動(dòng)金融量化交易的普及和發(fā)展。作為CSDN、掘金小冊(cè)、慕課網(wǎng)等平臺(tái)的優(yōu)秀作者，已發(fā)布多個(gè)股票量化交易相關(guān)的課程，日常運(yùn)營(yíng)微信公眾號(hào)“元宵大師帶你用Python量化交易”。
書(shū)友推薦
- >
山海經(jīng)
- >
月亮虎
- >
中國(guó)人在烏蘇里邊疆區(qū):歷史與人類(lèi)學(xué)概述
- >
自卑與超越
- >
伊索寓言-世界文學(xué)名著典藏-全譯本
- >
詩(shī)經(jīng)-先民的歌唱
- >
李白與唐代文化
- >
朝聞道
本類(lèi)暢銷(xiāo)
