Python与量化投资：从基础到实战

　　第1章  准备工作  1
　　1.1  Python的安装与设置  1
　　1.2  常见的Python库  2
　　第2章  Python基础介绍  7
　　2.1  Python学习准备  7
　　2.2  Python语法基础  11
　　2.2.1  常量与变量  11
　　2.2.2  数与字符串  11
　　2.2.3  数据类  15
　　2.2.4  标识符  18
　查看完整　　

　　王小川，华创证券研究所金融工程高级分析师，国内知名MATLAB、Python培训专家，MATLABSKY创始人之一，人大经济论坛CDA课程Python金牌讲师。从事量化投资相关的工作，承担了部分高校的统计课程教学任务，长期研究机器学习在统计学中的应用，精通MATLAB、Python、SAS等统计软件，热衷于数据分析和数据挖掘工作，有着扎实的理论基础和丰富的实战经验。著有《MATLAB神经网络30个案例分析》和《MATLAB神经网络43个案例分析》。
　　 
　　陈杰，华创证券研究所金融工程团队负责人，拥有CFA、FRM资格。从2009年开始从事量化开发工作。在入职华创之前，曾担任申万宏源研究所金融工程首席分析师。
　　 
　查看完整　　

　　本书主要讲解如何利用Python进行量化投资，包括对数据的获取、整理、分析挖掘、信号构建、策略构建、回测、策略分析等。本书也是利用Python进行数据分析的指南，有大量的关于数据处理分析的应用，并将重点介绍如何高效地利用Python解决投资策略问题。本书分为Python基础和量化投资两大部分：Python基础部分主要讲解Python软件的基础、各个重要模块及如何解决常见的数据分析问题；量化投资部分在Python基础部分的基础上，讲解如何使用优矿（uqer.io）回测平台实现主流策略及高级定制策略等。
　　本书可作为专业金融从业者进行量化投资的工具书，也可作为金融领域的入门参考书。在本书中有大量的Python代码、Python量化策略的实现代码等，尤其是对于量化策略的实现代码，读者可直接自行修改并获得策略的历史回测结果，甚至可将代码直接实盘应用，进行投资。

　　第1章  准备工作  1
　　1.1  Python的安装与设置  1
　　1.2  常见的Python库  2
　　第2章  Python基础介绍  7
　　2.1  Python学习准备  7
　　2.2  Python语法基础  11
　　2.2.1  常量与变量  11
　　2.2.2  数与字符串  11
　　2.2.3  数据类  15
　　2.2.4  标识符  18
　　2.2.5  对象  19
　　2.2.6  行与缩进  20
　　2.2.7  注释  22
　　2.3  Python运算符与表达式  22
　　2.3.1  算数运算符  22
　　2.3.2  比较运算符  24
　　2.3.3  逻辑运算符  25
　　2.3.4  Python中的优先级  27
　　2.4  Python中的控制流  27
　　2.4.1  控制流的功能  28
　　2.4.2  Python的三种控制流  29
　　2.4.3  认识分支结构if  30
　　2.4.4  认识循环结构for…in  32
　　2.4.5  认识循环结构while  33
　　2.4.6  break语句与continue语句  35
　　2.5  Python函数  39
　　2.5.1  认识函数  39
　　2.5.2  形参与实参  40
　　2.5.3  全局变量与局部变量  44
　　2.5.4  对函数的调用与返回值  45
　　2.5.5  文档字符串  46
　　2.6  Python模块  47
　　2.6.1  认识Python模块  47
　　2.6.2  from…import详解  49
　　2.6.3  认识__name__属性  50
　　2.6.4  自定义模块  50
　　2.6.5  dir()函数  51
　　2.7  Python异常处理与文件操作  52
　　2.7.1  Python异常处理  52
　　2.7.2  异常的发生  55
　　2.7.3  try…finally的使用  56
　　2.7.4  文件操作  57
　　第3章  Python进阶  59
　　3.1  NumPy的使用  59
　　3.1.1  多维数组ndarray  59
　　3.1.2  ndarray的数据类型  60
　　3.1.3  数组索引、切片和赋值  61
　　3.1.4  基本的数组运算  62
　　3.1.5  随机数  63
　　3.2  Pandas的使用  67
　　3.2.1  Pandas的数据结构  68
　　3.2.2  Pandas输出设置  70
　　3.2.3  Pandas数据读取与写入  70
　　3.2.4  数据集快速描述性统计分析  71
　　3.2.5  根据已有的列建立新列  72
　　3.2.6  DataFrame按多列排序  73
　　3.2.7  DataFrame去重  73
　　3.2.8  删除已有的列  74
　　3.2.9  Pandas替换数据  75
　　3.2.10  DataFrame重命名  75
　　3.2.11  DataFrame切片与筛选  76
　　3.2.12  连续型变量分组  78
　　3.2.13  Pandas分组技术  79
　　3.3  SciPy的初步使用  83
　　3.3.1  回归分析  84
　　3.3.2  插值  87
　　3.3.3  正态性检验  89
　　3.3.4  凸优化  93
　　3.4  Matplotlib的使用  97
　　3.5  Seaborn的使用  97
　　3.5.1  主题管理  98
　　3.5.2  调色板  101
　　3.5.3  分布图  102
　　3.5.4  回归图  104
　　3.5.5  矩阵图  106
　　3.5.6  结构网格图  108
　　3.6  Scikit-Learn的初步使用  109
　　3.6.1  Scikit-Learn学习准备  110
　　3.6.2  常见的机器学习模型  111
　　3.6.3  模型评价方法——metric模块  120
　　3.6.4  深度学习  124
　　3.7  SQLAlchemy与常用数据库的连接  124
　　3.7.1  连接数据库  125
　　3.7.2  读取数据  126
　　3.7.3  存储数据  126
　　第4章  常用数据的获取与整理  129
　　4.1  金融数据类型  129
　　4.2  金融数据的获取  131
　　4.3  数据整理  135
　　4.3.1  数据整合  135
　　4.3.2  数据过滤  137
　　4.3.3  数据探索与数据清洗  138
　　4.3.4  数据转化  140
　　第5章  通联数据回测平台介绍  143
　　5.1  回测平台函数与参数介绍  144
　　5.1.1  设置回测参数  144
　　5.1.2  accounts账户配置  154
　　5.1.3  initialize（策略初始化环境）  160
　　5.1.4  handle_data（策略运行逻辑）  160
　　5.1.5  context（策略运行环境）  160
　　5.2  股票模板实例  168
　　5.3  期货模板实例  173
　　5.4  策略回测详情  179
　　5.5  策略的风险评价指标  181
　　5.6  策略交易细节  184
　　第6章  常用的量化策略及其实现  187
　　6.1  量化投资概述  187
　　6.1.1  量化投资简介  187
　　6.1.2  量化投资策略的类型  188
　　6.1.3  量化研究的流程  189
　　6.2  行业轮动理论及其投资策略  192
　　6.2.1  行业轮动理论简介  192
　　6.2.2  行业轮动的原因  192
　　6.2.3  行业轮动投资策略  194
　　6.3  市场中性Alpha策略  199
　　6.3.1  市场中性Alpha策略介绍  199
　　6.3.2  市场中性Alpha策略的思想和方法  200
　　6.3.3  实例展示  201
　　6.4  大师策略  206
　　6.4.1  麦克·欧希金斯绩优成分股投资法  207
　　6.4.2  杰拉尔丁·维斯蓝筹股投资法  211
　　6.5  CTA策略  219
　　6.5.1  趋势跟随策略  219
　　6.5.2  均值回复策略  241
　　6.5.3  CTA策略表现分析  253
　　6.6  Smart Beta  258
　　6.6.1  基于权重优化的Smart Beta  258
　　6.6.2  基于风险因子的Smart Beta  268
　　6.7  技术指标类策略  281
　　6.7.1  AROON指标  281
　　6.7.2  BOLL指标  285
　　6.7.3  CCI指标  288
　　6.7.4  CMO指标  293
　　6.7.5  Chaikin Oscillator指标  295
　　6.7.6  DMI指标  299
　　6.7.7  优矿平台因子汇总  302
　　6.8  资产配置  317
　　6.8.1  有效边界  318
　　6.8.2  Black-Litterman模型  335
　　6.8.3  风险平价模型  349
　　6.9  时间序列分析  358
　　6.9.1  与时间序列分析相关的基础知识  358
　　6.9.2  自回归（AR）模型  365
　　6.9.3  滑动平均（MA）模型  372
　　6.9.4  自回归滑动平均（ARMA）模型  376
　　6.9.5  自回归差分滑动平均（ARIMA）模型  379
　　6.10  组合优化器的使用  384
　　6.10.1  优化器的概念  384
　　6.10.2  优化器的API接口  386
　　6.10.3  优化器实例  388
　　6.11  期权策略：Greeks和隐含波动率微笑计算  392
　　6.11.1  数据准备  392
　　6.11.2  Greeks和隐含波动率计算  394
　　6.11.3  隐含波动率微笑  401
　　第7章  量化投资十问十答  405
^ 收 起　　

　　王小川，华创证券研究所金融工程高级分析师，国内知名MATLAB、Python培训专家，MATLABSKY创始人之一，人大经济论坛CDA课程Python金牌讲师。从事量化投资相关的工作，承担了部分高校的统计课程教学任务，长期研究机器学习在统计学中的应用，精通MATLAB、Python、SAS等统计软件，热衷于数据分析和数据挖掘工作，有着扎实的理论基础和丰富的实战经验。著有《MATLAB神经网络30个案例分析》和《MATLAB神经网络43个案例分析》。
　　 
　　陈杰，华创证券研究所金融工程团队负责人，拥有CFA、FRM资格。从2009年开始从事量化开发工作。在入职华创之前，曾担任申万宏源研究所金融工程首席分析师。
　　 
　　卢威，华创证券研究所金融工程分析师，前优矿网量化分析师，为优矿网资深用户，在优矿网分享过多篇高质量的量化研究报告，擅长使用Python进行量化投资研究。
　　 
　　刘昺轶，上海交通大学工学硕士，研究方向为断裂力学、流体力学，擅长Python编程、统计建模与Web开发，现为量化投资界新兵，正在快速成长。
　　 
　　秦玄晋，上海对外经贸大学会计学硕士，有两年量化投资经验，研究方向为公司金融。
　　 
　　苏博，上海财经大学金融信息工程硕士，主要研究方向为金融大数据分析。
　　 
　　徐晟刚，复旦大学西方经济学硕士，数理功底深厚，热爱编程与策略研究，精通Python、MATLAB等编程语言，有3年金融工程策略研究经验，擅长择时和事件类策略。
^ 收 起　　

　　本书主要讲解如何利用Python进行量化投资，包括对数据的获取、整理、分析挖掘、信号构建、策略构建、回测、策略分析等。本书也是利用Python进行数据分析的指南，有大量的关于数据处理分析的应用，并将重点介绍如何高效地利用Python解决投资策略问题。本书分为Python基础和量化投资两大部分：Python基础部分主要讲解Python软件的基础、各个重要模块及如何解决常见的数据分析问题；量化投资部分在Python基础部分的基础上，讲解如何使用优矿（uqer.io）回测平台实现主流策略及高级定制策略等。
　　本书可作为专业金融从业者进行量化投资的工具书，也可作为金融领域的入门参考书。在本书中有大量的Python代码、Python量化策略的实现代码等，尤其是对于量化策略的实现代码，读者可直接自行修改并获得策略的历史回测结果，甚至可将代码直接实盘应用，进行投资。