中圖網(wǎng)小程序
一鍵登錄
更方便
包郵 Python金融量化分析
作者：肖建軍，高拴平編著
開(kāi)本：
26cm
頁(yè)數(shù)：
272頁(yè)
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)
中圖價(jià):¥59.3
加入購(gòu)物車(chē)
Python金融量化分析 版權(quán)信息
- ISBN：9787302659983
- 條形碼：9787302659983 ; 978-7-302-65998-3
- 裝幀：平裝-膠訂
- 冊(cè)數(shù)：暫無(wú)
- 重量：暫無(wú)
- 所屬分類(lèi)：>
Python金融量化分析 本書(shū)特色
前海開(kāi)源基金合伙人王宏遠(yuǎn)和量化投資總監(jiān)陸琦，以及摩根大通前中國(guó)投資銀行主席龔方雄力薦。
將計(jì)量經(jīng)濟(jì)學(xué)與現(xiàn)代金融學(xué)理論融入金融量化分析與交易策略設(shè)計(jì)之中。
結(jié)合應(yīng)用案例詳解趨勢(shì)追蹤、小市值、海龜交易和網(wǎng)格交易等常用策略的實(shí)現(xiàn)方法。
詳解金融量化分析需要掌握的大部分開(kāi)源模塊，包括Pandas、NumPy、TA-Lib、Empyrical、Mplfinance和Backtrader等，實(shí)現(xiàn)免費(fèi)獲取金融數(shù)據(jù)、清洗數(shù)據(jù)、存儲(chǔ)數(shù)據(jù)和構(gòu)建金融交易策略（回測(cè)）等需求。
書(shū)中的每個(gè)示例都按照“示例→實(shí)現(xiàn)代碼→程序輸出結(jié)果→程序說(shuō)明”的模式進(jìn)行講解，思路清晰，易于理解。
不僅詳細(xì)介紹各種常用量化交易策略代碼的實(shí)現(xiàn)過(guò)程，而且對(duì)量化交易策略的實(shí)際回測(cè)結(jié)果給出說(shuō)明，盡量避免出現(xiàn)“代碼正確無(wú)誤，而回測(cè)效果一塌糊涂”的情況。
結(jié)合208個(gè)典型示例講解，每個(gè)示例均力求貼近實(shí)戰(zhàn)需求，有較強(qiáng)的實(shí)用性。
提供30余幅示意圖，幫助讀者更加直觀地理解相關(guān)示例代碼的輸出結(jié)果。
每章后都精心提供思考題（全書(shū)共23道），幫助讀者進(jìn)一步加深對(duì)各章內(nèi)容的理解。
提供精心制作的教學(xué)PPT，便于讀者梳理知識(shí)點(diǎn)，并方便教師教學(xué)時(shí)使用。
Python金融量化分析 內(nèi)容簡(jiǎn)介
本書(shū)共9章，涵蓋的主要內(nèi)容有金融量化交易策略分析概述，Python的基礎(chǔ)語(yǔ)法，Pandas模塊基礎(chǔ)，NumPy基礎(chǔ)，數(shù)據(jù)獲取與清洗，金融量化交易策略實(shí)戰(zhàn)，TA-Lib、Empyrical與Mplfinance模塊的使用方法，金融數(shù)據(jù)回歸分析，ARIMA與VAR模型在金融量化領(lǐng)域的應(yīng)用，開(kāi)源金融量化交易策略回測(cè)框架Backtrader的使用方法等。
Python金融量化分析 目錄
第1章 金融量化交易策略分析概述 1
1.1 金融量化分析簡(jiǎn)介 1
1.1.1 金融量化分析的應(yīng)用范疇 1
1.1.2 金融量化分析的基本流程 2
1.1.3 金融量化分析的方法與工具 2
1.1.4 金融量化分析的勢(shì) 3
1.2 金融量化分析的困局 3
1.2.1 金融量化分析策略的同質(zhì)化 4
1.2.2 量化分析工具的局限性 4
1.2.3 量化分析結(jié)果的隨機(jī)性 5
1.3 金融量化分析注意事項(xiàng) 5
1.4 本章小結(jié) 6
1.5 思考題 6
第2章 金融量化分析工具的準(zhǔn)備——基礎(chǔ)語(yǔ)法 7
2.1 Python簡(jiǎn)介 7
2.1.1 Python數(shù)據(jù)處理的勢(shì) 7
2.1.2 Python的基本語(yǔ)法 8
2.2 Python變量 9
2.2.1 變量的命名規(guī)則 9
2.2.2 數(shù)值型變量 10
2.2.3 布爾類(lèi)型變量 10
2.2.4 字符串類(lèi)型變量 11
2.2.5 列表類(lèi)型變量 14
2.2.6 元組類(lèi)型變量 16
2.2.7 集合類(lèi)型變量 17
2.2.8 字典類(lèi)型變量 18
2.3 流程控制 19
2.3.1 邏輯判斷 20
2.3.2 if判斷 20
2.3.3 循環(huán)語(yǔ)句 21
2.4 函數(shù) 23
2.4.1 函數(shù)的定義與調(diào)用 23
2.4.2 函數(shù)的參數(shù) 24
2.4.3 lambda匿名函數(shù) 26
2.4.4 Python高函數(shù) 27
2.5 類(lèi)與對(duì)象 31
2.5.1 創(chuàng)建類(lèi)與實(shí)例對(duì)象 31
2.5.2 面向?qū)ο蟮姆庋b 35
2.5.3 面向?qū)ο蟮睦^承 37
2.5.4 面向?qū)ο蟮亩鄳B(tài) 38
2.6 模塊應(yīng)用 39
2.6.1 模塊的安裝、卸載與調(diào)用 39
2.6.2 Python內(nèi)置模塊示例1：datetime模塊 41
2.6.3 Python內(nèi)置模塊示例2：os模塊 44
2.7 本章小結(jié) 45
2.8 思考題 45
第3章 金融量化分析工具的準(zhǔn)備——Pandas基礎(chǔ) 46
3.1 Pandas簡(jiǎn)介 46
3.1.1 Pandas的主要?jiǎng)?46
3.1.2 Pandas的主要功能 47
3.1.3 Pandas的底層結(jié)構(gòu) 47
3.2 Series對(duì)象 48
3.2.1 創(chuàng)建Series對(duì)象 48
3.2.2 訪問(wèn)Series對(duì)象數(shù)據(jù) 50
3.2.3 Series對(duì)象的常用屬性 50
3.2.4 Series對(duì)象的常用函數(shù) 51
3.3 DataFrame對(duì)象 55
3.3.1 DataFrame對(duì)象的數(shù)據(jù)存儲(chǔ)結(jié)構(gòu) 55
3.3.2 創(chuàng)建DataFrame對(duì)象 56
3.3.3 DataFrame對(duì)象的常用屬性 59
3.3.4 DataFrame的列作方法 60
3.4 Pandas金融量化分析應(yīng)用 66
3.4.1 統(tǒng)計(jì)計(jì)算 67
3.4.2 累計(jì)計(jì)算 67
3.4.3 獲取CSV文件數(shù)據(jù) 68
3.4.4 獲取SQLite數(shù)據(jù)庫(kù)中的數(shù)據(jù) 70
3.5 Pandas數(shù)據(jù)可視化 72
3.5.1 折線圖 72
3.5.2 直方圖 77
3.6 本章小結(jié) 79
3.7 思考題 79
第4章 金融量化分析工具的準(zhǔn)備——NumPy基礎(chǔ) 80
4.1 NumPy簡(jiǎn)介 80
4.1.1 NumPy的主要?jiǎng)?80
4.1.2 NumPy的主要功能 81
4.1.3 ndarray的底層結(jié)構(gòu) 81
4.2 ndarray對(duì)象的創(chuàng)建 82
4.2.1 創(chuàng)建ndarray對(duì)象的方法 82
4.2.2 創(chuàng)建殊的ndarray對(duì)象 83
4.3 ndarray數(shù)組數(shù)據(jù)的訪問(wèn) 84
4.3.1 索引 84
4.3.2 切片 86
4.4 NumPy數(shù)組作 88
4.4.1 修改ndarray數(shù)組形狀 88
4.4.2 合并ndarray數(shù)組 91
4.4.3 分割ndarray數(shù)組 92
4.4.4 刪除ndarray數(shù)組數(shù)據(jù) 93
4.4.5 添加數(shù)組數(shù)據(jù) 94
4.5 NumPy模塊的主要函數(shù) 95
4.5.1 統(tǒng)計(jì)類(lèi)函數(shù) 95
4.5.2 線性代數(shù)類(lèi)函數(shù) 97
4.5.3 排序與篩選類(lèi)函數(shù) 98
4.6 NumPy隨機(jī)數(shù)處理 102
4.6.1 NumPy處理隨機(jī)數(shù)問(wèn)題的勢(shì) 102
4.6.2 生成隨機(jī)數(shù) 102
4.6.3 隨機(jī)抽樣 104
4.6.4 隨機(jī)模擬實(shí)驗(yàn) 105
4.7 本章小結(jié) 107
4.8 思考題 107
第5章 金融量化分析數(shù)據(jù)的準(zhǔn)備 108
5.1 數(shù)據(jù)獲取 108
5.1.1 從Tushare平臺(tái)上獲取數(shù)據(jù) 108
5.1.2 從AkShare模塊中獲取數(shù)據(jù) 110
5.1.3 從qstock模塊中獲取數(shù)據(jù) 112
5.1.4 從Alpha Vantage API中獲取數(shù)據(jù) 118
5.2 數(shù)據(jù)清洗 124
5.2.1 數(shù)據(jù)清洗的內(nèi)容 124
5.2.2 數(shù)據(jù)清洗示例 125
5.2.3 數(shù)據(jù)清洗進(jìn)——JSON數(shù)據(jù)清洗 128
5.3 數(shù)據(jù)存儲(chǔ) 131
5.3.1 用CSV文件存儲(chǔ)數(shù)據(jù) 131
5.3.2 用SQLite數(shù)據(jù)儲(chǔ)數(shù)據(jù) 132
5.4 本章小結(jié) 138
5.5 思考題 138
第6章 金融量化交易策略開(kāi)發(fā)實(shí)戰(zhàn) 139
6.1 趨勢(shì)追蹤交易策略 139
6.1.1 趨勢(shì)追蹤交易策略介紹 139
6.1.2 趨勢(shì)追蹤交易策略實(shí)戰(zhàn)代碼 140
6.1.3 趨勢(shì)追蹤交易策略實(shí)戰(zhàn)代碼詳解 142
6.2 底背離交易策略實(shí)戰(zhàn) 146
6.2.1 底背離交易策略介紹 146
6.2.2 底背離交易策略實(shí)戰(zhàn)代碼 147
6.2.3 底背離交易策略實(shí)戰(zhàn)代碼詳解 148
6.3 小市值交易策略實(shí)戰(zhàn) 149
6.3.1 小市值交易策略介紹 149
6.3.2 小市值交易策略實(shí)戰(zhàn)代碼 150
6.3.3 小市值交易策略實(shí)戰(zhàn)代碼詳解 152
6.4 海龜交易策略實(shí)戰(zhàn) 153
6.4.1 海龜交易策略介紹 153
6.4.2 海龜交易策略實(shí)戰(zhàn)代碼 153
6.4.3 海龜交易策略實(shí)戰(zhàn)代碼詳解 156
6.5 網(wǎng)格交易策略實(shí)戰(zhàn) 159
6.5.1 網(wǎng)格交易策略介紹 159
6.5.2 網(wǎng)格交易策略實(shí)戰(zhàn)代碼 160
6.5.3 網(wǎng)格交易策略實(shí)戰(zhàn)代碼詳解 164
6.6 本章小結(jié) 167
6.7 思考題 167
第7章 金融量化分析常用的工具模塊 168
7.1 TA-Lib模塊 168
7.1.1 TA-Lib模塊的安裝 168
7.1.2 TA-Lib模塊的函數(shù)類(lèi)別 170
7.1.3 TA-Lib模塊的常用函數(shù) 174
7.2 Empyrical模塊 176
7.2.1 Empyrical模塊的點(diǎn) 177
7.2.2 Empyrical模塊的用途 177
7.2.3 Empyrical模塊的常用函數(shù) 177
7.3 Mplfinance模塊 184
7.3.1 Mplfinance模塊的點(diǎn) 184
7.3.2 Mplfinance模塊的主要函數(shù) 185
7.3.3 通過(guò)Mplfinance模塊繪制K線圖 189
7.4 本章小結(jié) 199
7.5 思考題 199
第8章 金融量化分析高級(jí)應(yīng)用 200
8.1 金融數(shù)據(jù)回歸分析 200
8.1.1 回歸分析的基本原理 200
8.1.2 回歸分析的步驟 201
8.1.3 構(gòu)建回歸模型示例 201
8.2 金融數(shù)據(jù)時(shí)間序列ARIMA模型回歸分析 203
8.2.1 時(shí)間序列分析模型介紹 203
8.2.2 ARIMA模型的計(jì)算公式 204
8.2.3 構(gòu)建ARIMA模型示例 205
8.3 金融數(shù)據(jù)時(shí)間序列VAR模型回歸分析 215
8.3.1 VAR模型介紹 215
8.3.2 構(gòu)建VAR模型示例 216
8.4 金融資產(chǎn)組合化量化分析 223
8.4.1 馬科維茨模型 223
8.4.2 利用cvxpy模塊求解馬科維茨模型 224
8.4.3 金融資產(chǎn)組合化問(wèn)題解決方案（通用） 226
8.5 本章小結(jié) 227
8.6 思考題 228
第9章 金融量化回測(cè)框架Backtrader實(shí)戰(zhàn)應(yīng)用 229
9.1 Backtrader框架簡(jiǎn)介 229
9.1.1 Backtrader框架的勢(shì)與點(diǎn) 229
9.1.2 Backtrader回測(cè)框架的工作流程 230
9.2 Backtrader框架的數(shù)據(jù)準(zhǔn)備 230
9.2.1 數(shù)據(jù)準(zhǔn)備注意事項(xiàng) 230
9.2.2 數(shù)據(jù)讀取函數(shù) 231
9.2.3 使用GenericCSVData函數(shù)讀取數(shù)據(jù) 231
9.2.4 使用PandasData函數(shù)讀取數(shù)據(jù) 235
9.2.5 同時(shí)加載多組數(shù)據(jù) 236
9.2.6 讀取非OHLC數(shù)據(jù) 238
9.2.7 使用resampledata函數(shù)進(jìn)行數(shù)據(jù)重新采樣 241
9.3 Backtrader框架的指標(biāo) 242
9.3.1 定義指標(biāo)的核心要素 242
9.3.2 定義指標(biāo)的步驟 243
9.3.3 定義指標(biāo)示例 245
9.4 Backtrader框架的數(shù)據(jù)引用 249
9.4.1 加載數(shù)據(jù)的基礎(chǔ)引用 249
9.4.2 加載數(shù)據(jù)的切片引用 250
9.4.3 指標(biāo)值的引用 250
9.4.4 數(shù)據(jù)引用綜合案例 251
9.5 Backtrader框架的自定義策略類(lèi) 255
9.5.1 自定義策略類(lèi)的核心問(wèn)題 255
9.5.2 Backtrader策略類(lèi)的內(nèi)生命周期函數(shù) 255
9.5.3 Backtrader策略類(lèi)實(shí)例講解 256
9.6 Backtrader框架的觀察器應(yīng)用 263
9.6.1 觀察器的核心用途 263
9.6.2 默認(rèn)加載觀察器 263
9.6.3 加載內(nèi)置的觀察器 264
9.6.4 加載自定義觀察器 266
9.7 Backtrader框架的分析器應(yīng)用 268
9.7.1 分析器與觀察器的關(guān)系 268
9.7.2 分析器之交易記錄——Transactions類(lèi) 268
9.7.3 分析器之交易記錄——TradeAnalyzer類(lèi) 271
9.8 本章小結(jié) 272
9.9 思考題 272
展開(kāi)全部
Python金融量化分析 作者簡(jiǎn)介
肖建軍，經(jīng)濟(jì)學(xué)博士，應(yīng)用經(jīng)濟(jì)學(xué)博士后，廈門(mén)工學(xué)院副教授。先后供職于大型銀行總部、信托公司、私募基金公司等金融機(jī)構(gòu)，從事金融投資、量化分析研究與實(shí)務(wù)等工作。目前專(zhuān)注于金融量化交易策略和加密貨幣結(jié)算等相關(guān)研究與開(kāi)發(fā)工作。
高拴平，經(jīng)濟(jì)學(xué)博士，產(chǎn)業(yè)經(jīng)濟(jì)學(xué)博士后，享受?chē)?guó)務(wù)院特殊津貼專(zhuān)家，廈門(mén)工學(xué)院教授。主要從事產(chǎn)業(yè)經(jīng)濟(jì)和數(shù)字經(jīng)濟(jì)方面的教學(xué)與科研工作。出版專(zhuān)著和教材8部，發(fā)表學(xué)術(shù)論文30余篇，承擔(dān)省部級(jí)課題3項(xiàng)，獲省部級(jí)教學(xué)科研成果獎(jiǎng)3項(xiàng)。
書(shū)友推薦
- >
二體千字文
- >
【精裝繪本】畫(huà)給孩子的中國(guó)神話
- >
唐代進(jìn)士錄
- >
自卑與超越
- >
伯納黛特,你要去哪(2021新版)
- >
羅庸西南聯(lián)大授課錄
- >
朝聞道
- >
小考拉的故事-套裝共3冊(cè)
本類(lèi)暢銷(xiāo)
