中圖網小程序
一鍵登錄
更方便
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
Python算法交易實戰 版權信息
- ISBN：9787115582669
- 條形碼：9787115582669 ; 978-7-115-58266-9
- 裝幀：一般膠版紙
- 冊數：暫無
- 重量：暫無
- 所屬分類：>
Python算法交易實戰 本書特色
《Python算法交易實戰》一書是金融科技系列圖書的力作，帶領讀者深入理解現代電子交易市場和市場參與者之間的交互與運作方式，包含建模、交易、風控等重要主題，以及通過基于Python的機器學習和數據分析等技術實現算法交易的相關知識和實踐技巧，從而讓讀者實現有競爭力的算法交易，華麗變身金融交易大神。通過閱讀本書，你將能夠：● 了解現代算法交易系統和策略的組成部分；● 掌握一些有代表性的交易策略的運作、實施和分析方法；● 使用 Python 在交易信號和策略中應用機器學習算法；● 量化并構建 Python 交易策略的風險管理系統；● 構建回測器來運行模擬交易策略，以提高交易系統的性能；● 在實際市場中部署和整合交易策略，以維持和提高贏利能力；● 使用 Python 設計、構建一個實用并能帶來盈利的算法交易機器人。 本書包含豐富實用的案例和代碼示例，讀者可以根據本書前言中的指導下載本書配套的代碼和彩圖資源，以便充分理解書中所講的算法及交易知識。
Python算法交易實戰 內容簡介
本書從算法交易的基礎原理、通過技術分析解讀市場、通過基礎機器學習預測市場、人類直覺驅動的經典交易策略、復雜的算法策略、管理算法策略中的風險、用Python構建交易系統、連接到交易所、在Python中創建回測器、適應市場參與者和環境幾個方面介紹了算法交易中的核心知識點, 并通過Python演示了具體編程實現。
Python算法交易實戰 目錄
第 1 部分 基礎知識和環境配置
第 1 章 算法交易的基礎原理 2
1．1 為什么要交易 2
1．2 有關現代交易的基本概念 3
1．2．1 市場板塊 3
1．2．2 資產類別 4
1．2．3 現代交易市場的基本情況 5
1．3 了解算法交易概念 7
1．3．1 交換訂單簿 7
1．3．2 交換匹配算法 7
1．3．3 限價訂單簿 9
1．3．4 交換市場數據協議 9
1．3．5 市場數據提供處理程序 9
1．3．6 訂單類型 10
1．3．7 交換訂單輸入協議 10
1．3．8 訂單輸入網關 10
1．3．9 頭寸和損益管理 11
1．4 從直覺到算法交易 11
1．4．1 為什么需要自動化交易 12
1．4．2 算法交易的演變—從基于規則的交易到全自動算法交易 12
1．5 算法交易系統的組成部分 14
1．5．1 市場數據訂閱 15
1．5．2 限價訂單簿 15
1．5．3 信號 15
1．5．4 信號聚合器 16
1．5．5 執行邏輯 16
1．5．6 頭寸和損益管理 17
1．5．7 風險管理 17
1．5．8 回測 17
1．6 為什么選擇 Python 18
1．6．1 選擇 IDE—PyCharm 或 Jupyter Notebook 19
1．6．2 第 一個算法交易 20
1．6．3 設置你的工作區 20
1．6．4 PyCharm 20
1．6．5 獲取數據 21
1．6．6 準備數據——信號 22
1．6．7 信號可視化 24
1．6．8 回測 25
1．7 總結 27
第 2 部分 交易信息生成與交易策略
第 2 章 通過技術分析解讀市場 30
2．1 基于趨勢和動量指標設計交易策略 31
2．2 基于基本技術分析創建交易信號 37
2．2．1 簡單移動平均線 37
2．2．2 指數移動平均線 39
2．2．3 絕對價格振蕩器 42
2．2．4 異同移動平均線 44
2．2．5 布林帶 47
2．2．6 相對強弱指標 49
2．2．7 標準偏差 53
2．2．8 動量 55
2．3 在交易工具中貫徹高級概念，如季節性 57
2．4 總結 63
第 3 章 通過基礎機器學習預測市場 65
3．1 了解術語和符號 66
3．2 使用線性回歸方法創建預測模型 70
3．2．1 普通*小二乘法 70
3．2．2 正規化和收縮——LASSO 和 Ridge 回歸 75
3．2．3 決策樹回歸 77
3．3 使用線性分類方法創建預測模型 77
3．3．1 K 近鄰 77
3．3．2 支持向量機 79
3．3．3 邏輯回歸 81
3．4 總結 81
第 3 部分 算法交易策略
第 4 章 人類直覺驅動的經典交易策略 84
4．1 創建基于動量和趨勢跟蹤的交易策略 84
4．2 創建適用于具有回歸行為的交易策略 91
4．3 創建在線性相關的交易工具組上操作的交易策略 92
4．4 總結 107
第 5 章 復雜的算法策略 108
5．1 創建根據交易工具的波動性進行調整的交易策略 108
5．1．1 調整技術指標中交易工具的波動率 109
5．1．2 調整交易策略中交易工具的波動率 109
5．1．3 波動率調整后的均值回歸交易策略 110
5．2 制定經濟事件的交易策略 127
5．2．1 經濟發布 127
5．2．2 經濟發布格式 128
5．2．3 電子化經濟發布服務 129
5．2．4 交易中的經濟發布 129
5．3 實施基本的統計套利交易策略 131
5．3．1 StatArb 的基礎 131
5．3．2 StatArb 中的領先滯后 132
5．3．3 調整投資組合的構成和關系 132
5．3．4 StatArb 的基礎設施費用 133
5．3．5 Python 中的 StatArb 133
5．4 總結 148
第 6 章 管理算法策略中的風險 149
6．1 區分風險類型和風險因素 149
6．1．1 交易損失的風險 150
6．1．2 違反法規的風險 150
6．1．3 欺騙 151
6．1．4 報價填充 151
6．1．5 操縱收盤價 152
6．1．6 風險來源 152
6．1．7 量化風險 154
6．2 區分風險措施 155
6．2．1 止損 156
6．2．2 *大跌幅 158
6．2．3 頭寸限制 160
6．2．4 持倉時間 161
6．2．5 PnL 的差異 162
6．2．6 夏普比率 163
6．2．7 每周期*大執行量 165
6．2．8 *大交易規模 167
6．2．9 數量限制 167
6．3 制定風險管理算法 168
6．4 總結 180
第 4 部分 建立交易系統
第 7 章 用 Python 構建交易系統 182
7．1 了解交易系統 182
7．1．1 網關 183
7．1．2 訂單簿管理 185
7．1．3 策略 186
7．1．4 訂單管理系統 187
7．1．5 關鍵組件 188
7．1．6 非關鍵組件 188
7．2 構建交易系統 190
7．2．1 流動性提供者類 191
7．2．2 策略類 193
7．2．3 訂單管理器類 198
7．2．4 市場模擬器類 202
7．2．5 測試交易模擬類 205
7．3 設計限價訂單簿 207
7．4 總結 214
第 8 章 連接到交易所 215
8．1 使交易系統可與交易所進行交易 215
8．2 審查通信 API 217
8．2．1 網絡基礎知識 217
8．2．2 交易協議 218
8．2．3 FIX 協議 219
8．3 接收價格更新 221
8．4 發送訂單和接收市場響應 226
8．4．1 接收器代碼示例 228
8．4．2 其他交易 API 232
8．5 總結 233
第 9 章 在 Python 中創建回測器 234
9．1 學習如何構建回測器 235
9．1．1 樣本內數據與樣本外數據的比較 235
9．1．2 模擬交易 236
9．1．3 單純的數據存儲 236
9．1．4 HDF5 文件 236
9．1．5 數據庫 238
9．2 學習如何選擇正確的假設 241
9．2．1 for 循環回測系統 243
9．2．2 事件驅動的回測系統 244
9．3 評估時間價值 246
9．4 回測雙移動平均線交易策略 250
9．4．1 for 循環回測器 250
9．4．2 基于事件的回測器 253
9．5 總結 260
第 5 部分 算法交易的挑戰
第 10 章 適應市場參與者和環境 262
10．1 回測器與實際市場的策略表現 263
10．1．1 回測器失調的影響 264
10．1．2 仿真失調的原因 266
10．1．3 根據實時交易調整回測和策略 268
10．2 算法交易的持續贏利能力 272
10．2．1 算法交易策略中的利潤衰減 272
10．2．2 適應市場條件和不斷變化的市場參與者 276
10．3 總結 286
后記 287
第 1 章 算法交易的基礎原理 2
1．1 為什么要交易 2
1．2 有關現代交易的基本概念 3
1．2．1 市場板塊 3
1．2．2 資產類別 4
1．2．3 現代交易市場的基本情況 5
1．3 了解算法交易概念 7
1．3．1 交換訂單簿 7
1．3．2 交換匹配算法 7
1．3．3 限價訂單簿 9
1．3．4 交換市場數據協議 9
1．3．5 市場數據提供處理程序 9
1．3．6 訂單類型 10
1．3．7 交換訂單輸入協議 10
1．3．8 訂單輸入網關 10
1．3．9 頭寸和損益管理 11
1．4 從直覺到算法交易 11
1．4．1 為什么需要自動化交易 12
1．4．2 算法交易的演變—從基于規則的交易到全自動算法交易 12
1．5 算法交易系統的組成部分 14
1．5．1 市場數據訂閱 15
1．5．2 限價訂單簿 15
1．5．3 信號 15
1．5．4 信號聚合器 16
1．5．5 執行邏輯 16
1．5．6 頭寸和損益管理 17
1．5．7 風險管理 17
1．5．8 回測 17
1．6 為什么選擇 Python 18
1．6．1 選擇 IDE—PyCharm 或 Jupyter Notebook 19
1．6．2 第 一個算法交易 20
1．6．3 設置你的工作區 20
1．6．4 PyCharm 20
1．6．5 獲取數據 21
1．6．6 準備數據——信號 22
1．6．7 信號可視化 24
1．6．8 回測 25
1．7 總結 27
第 2 部分 交易信息生成與交易策略
第 2 章 通過技術分析解讀市場 30
2．1 基于趨勢和動量指標設計交易策略 31
2．2 基于基本技術分析創建交易信號 37
2．2．1 簡單移動平均線 37
2．2．2 指數移動平均線 39
2．2．3 絕對價格振蕩器 42
2．2．4 異同移動平均線 44
2．2．5 布林帶 47
2．2．6 相對強弱指標 49
2．2．7 標準偏差 53
2．2．8 動量 55
2．3 在交易工具中貫徹高級概念，如季節性 57
2．4 總結 63
第 3 章 通過基礎機器學習預測市場 65
3．1 了解術語和符號 66
3．2 使用線性回歸方法創建預測模型 70
3．2．1 普通*小二乘法 70
3．2．2 正規化和收縮——LASSO 和 Ridge 回歸 75
3．2．3 決策樹回歸 77
3．3 使用線性分類方法創建預測模型 77
3．3．1 K 近鄰 77
3．3．2 支持向量機 79
3．3．3 邏輯回歸 81
3．4 總結 81
第 3 部分 算法交易策略
第 4 章 人類直覺驅動的經典交易策略 84
4．1 創建基于動量和趨勢跟蹤的交易策略 84
4．2 創建適用于具有回歸行為的交易策略 91
4．3 創建在線性相關的交易工具組上操作的交易策略 92
4．4 總結 107
第 5 章 復雜的算法策略 108
5．1 創建根據交易工具的波動性進行調整的交易策略 108
5．1．1 調整技術指標中交易工具的波動率 109
5．1．2 調整交易策略中交易工具的波動率 109
5．1．3 波動率調整后的均值回歸交易策略 110
5．2 制定經濟事件的交易策略 127
5．2．1 經濟發布 127
5．2．2 經濟發布格式 128
5．2．3 電子化經濟發布服務 129
5．2．4 交易中的經濟發布 129
5．3 實施基本的統計套利交易策略 131
5．3．1 StatArb 的基礎 131
5．3．2 StatArb 中的領先滯后 132
5．3．3 調整投資組合的構成和關系 132
5．3．4 StatArb 的基礎設施費用 133
5．3．5 Python 中的 StatArb 133
5．4 總結 148
第 6 章 管理算法策略中的風險 149
6．1 區分風險類型和風險因素 149
6．1．1 交易損失的風險 150
6．1．2 違反法規的風險 150
6．1．3 欺騙 151
6．1．4 報價填充 151
6．1．5 操縱收盤價 152
6．1．6 風險來源 152
6．1．7 量化風險 154
6．2 區分風險措施 155
6．2．1 止損 156
6．2．2 *大跌幅 158
6．2．3 頭寸限制 160
6．2．4 持倉時間 161
6．2．5 PnL 的差異 162
6．2．6 夏普比率 163
6．2．7 每周期*大執行量 165
6．2．8 *大交易規模 167
6．2．9 數量限制 167
6．3 制定風險管理算法 168
6．4 總結 180
第 4 部分 建立交易系統
第 7 章 用 Python 構建交易系統 182
7．1 了解交易系統 182
7．1．1 網關 183
7．1．2 訂單簿管理 185
7．1．3 策略 186
7．1．4 訂單管理系統 187
7．1．5 關鍵組件 188
7．1．6 非關鍵組件 188
7．2 構建交易系統 190
7．2．1 流動性提供者類 191
7．2．2 策略類 193
7．2．3 訂單管理器類 198
7．2．4 市場模擬器類 202
7．2．5 測試交易模擬類 205
7．3 設計限價訂單簿 207
7．4 總結 214
第 8 章 連接到交易所 215
8．1 使交易系統可與交易所進行交易 215
8．2 審查通信 API 217
8．2．1 網絡基礎知識 217
8．2．2 交易協議 218
8．2．3 FIX 協議 219
8．3 接收價格更新 221
8．4 發送訂單和接收市場響應 226
8．4．1 接收器代碼示例 228
8．4．2 其他交易 API 232
8．5 總結 233
第 9 章 在 Python 中創建回測器 234
9．1 學習如何構建回測器 235
9．1．1 樣本內數據與樣本外數據的比較 235
9．1．2 模擬交易 236
9．1．3 單純的數據存儲 236
9．1．4 HDF5 文件 236
9．1．5 數據庫 238
9．2 學習如何選擇正確的假設 241
9．2．1 for 循環回測系統 243
9．2．2 事件驅動的回測系統 244
9．3 評估時間價值 246
9．4 回測雙移動平均線交易策略 250
9．4．1 for 循環回測器 250
9．4．2 基于事件的回測器 253
9．5 總結 260
第 5 部分 算法交易的挑戰
第 10 章 適應市場參與者和環境 262
10．1 回測器與實際市場的策略表現 263
10．1．1 回測器失調的影響 264
10．1．2 仿真失調的原因 266
10．1．3 根據實時交易調整回測和策略 268
10．2 算法交易的持續贏利能力 272
10．2．1 算法交易策略中的利潤衰減 272
10．2．2 適應市場條件和不斷變化的市場參與者 276
10．3 總結 286
后記 287
展開全部
Python算法交易實戰 作者簡介
塞巴斯蒂安.多納迪奧（Sebastien Donadio）是 Tradair 公司的技術官，負責技術指導。他具有豐富的專業技術從業經驗，曾擔任 HC Technologies 公司的軟件工程負責人、高頻 FX 公司的合伙人和技術總監、Sun Trading 公司的定量交易策略軟件開發商。他還擁有 Bull SAS 公司的研究經驗，并且曾在法國興業銀行（Société Générale）擔任 IT 信用風險經理。在過去的十年中，他曾在美國芝加哥大學、紐約大學和哥倫比亞大學教授過各種計算機科學課程。他的主要愛好是技術，除此之外，他還是一名潛水教練和經驗豐富的攀巖運動員。蘇拉夫.戈什（Sourav Ghosh）在過去十年中曾在多家高頻算法交易公司工作。他為世界各地的交易所建立和部署了極低延遲、高吞吐量的算法交易系統，涉及多個資產類別。他擅長統計套利做市策略，以及全球流動性強的期貨合約的配對交易策略。他在美國芝加哥一家貿易公司擔任量化開發人員，擁有美國南加州大學的計算機科學碩士學位。他感興趣的領域包括計算機結構、金融科技、概率論和隨機過程、統計學習和推理方法，以及自然語言處理。
書友推薦
- >
名家帶你讀魯迅:故事新編
- >
我與地壇
- >
史學評論
- >
【精裝繪本】畫給孩子的中國神話
- >
名家帶你讀魯迅:朝花夕拾
- >
月亮與六便士
- >
中國人在烏蘇里邊疆區:歷史與人類學概述
- >
姑媽的寶刀
本類暢銷
