互联网
类型
6.4
豆瓣评分
可以朗读
语音朗读
219千字
字数
2019-01-01
发行日期
展开全部
主编推荐语
一本书教你从零开始掌握量化交易与python。
内容简介
《从零开始学Python 大数据与量化交易》首先讲解量化交易的基础知识，如量化交易的优势、应用、注意事项、历史、量化交易平台等；然后讲解量化交易开发语言Python，即讲解Python语言的开发环境、基本语法及流程控制、特征数据类型、内置函数与自定义用户函数、面向对象编程；接着讲解大数据分析和可视化的3 个包，分别是Numpy包、Pandas包、Matplotlib包；然后讲解量化交易策略的编写、获取数据函数、基本面量化选股、量化择时的技术指标函数、回测技巧、因子分析技巧；最后讲解Python量化交易策略的实战案例。
目录
- 版权信息
- 前言
- 第1章 量化交易快速入门
- 1.1 初识量化交易
- 1.1.1 量化交易的定义
- 1.1.2 量化交易与算法交易
- 1.1.3 量化交易与黑匣子交易
- 1.1.4 量化交易与程序化交易
- 1.1.5 量化交易与技术分析
- 1.2 量化交易的优势
- 1.2.1 严格的纪律性
- 1.2.2 完备的系统性
- 1.2.3 妥善运用套利的思想
- 1.2.4 靠概率取胜
- 1.3 量化交易的应用
- 1.3.1 投资品种选择
- 1.3.2 投资时机选择
- 1.3.3 算法交易
- 1.3.4 各种套利交易
- 1.3.5 资产配置
- 1.4 量化交易与人工交易的对比
- 1.5 量化交易的注意事项
- 1.6 量化交易的发展过程
- 1.6.1 国外量化交易的发展过程
- 1.6.2 国内量化交易的发展过程
- 1.7 量化交易的平台
- 1.7.1 聚宽JoinQuant量化交易平台的功能
- 1.7.2 账户注册、登录及策略创建
- 1.7.3 量化交易策略的选股
- 1.7.4 量化交易策略的买卖条件
- 1.7.5 量化交易策略的风险控制
- 1.7.6 量化交易策略的其他参数
- 1.7.7 编写Python代码来创建量化交易策略
- 1.7.8 量化交易策略的回测详情
- 1.7.9 量化交易策略的模拟交易
- 1.8 量化交易的潜在风险及应对策略
- 第2章 Python量化交易的开发环境
- 2.1 初识Python语言
- 2.1.1 Python的历史由来
- 2.1.2 Python的特点
- 2.1.3 Python的应用
- 2.2 Python开发环境及配置
- 2.2.1 Python的下载
- 2.2.2 Python的安装
- 2.2.3 Python的环境变量配置
- 2.3 Python程序的编写
- 2.3.1 利用系统自带的开发软件IDEL直接编写程序并运行
- 2.3.2 创建Python文件并运行
- 2.4 利用量化交易平台编写Python程序
- 2.4.1 初识IPython Notebook研究平台
- 2.4.2 利用Python Notebook编写Python程序
- 第3章 Python的基本语法及流程控制
- 3.1 Python的基本数据类型
- 3.1.1 数值类型
- 3.1.2 字符串类型
- 3.2 变量及赋值
- 3.2.1 变量命名规则
- 3.2.2 变量的赋值
- 3.3 运算符
- 3.3.1 算术运算符
- 3.3.2 赋值运算符
- 3.3.3 位运算符
- 3.4 选择结构
- 3.4.1 关系运算符
- 3.4.2 逻辑运算符
- 3.4.3 if 语句
- 3.4.4 嵌套 if 语句
- 3.5 循环结构
- 3.5.1 while循环
- 3.5.2 while 循环使用else语句
- 3.5.3 无限循环
- 3.5.4 for循环
- 3.5.5 在for循环中使用range（）函数
- 3.6 其他语句
- 3.6.1 break语句
- 3.6.2 continue语句
- 3.6.3 pass语句
- 3.7 Python的代码格式
- 3.7.1 代码缩进
- 3.7.2 代码注释
- 3.7.3 空行
- 3.7.4 同一行显示多条语句
- 第4章 Python的特征数据类型
- 4.1 列表
- 4.1.1 列表的创建
- 4.1.2 3种方法访问列表中的值
- 4.1.3 两种方法更新列表中的值
- 4.1.4 del语句删除列表中的值
- 4.1.5 列表的4个函数
- 4.1.6 列表的方法
- 4.2 元组
- 4.2.1 元组的创建
- 4.2.2 3种方法访问元组中的值
- 4.2.3 元组的连接
- 4.2.4 整个元组的删除
- 4.2.5 元组的4个函数
- 4.3 字典
- 4.3.1 字典的创建
- 4.3.2 访问字典中的值和键
- 4.3.3 字典的修改
- 4.3.4 字典中的3个函数
- 4.4 集合
- 4.4.1 集合的创建
- 4.4.2 集合的两个基本功能
- 4.4.3 集合的运算符
- 4.4.4 集合的方法
- 第5章 Python的函数及应用技巧
- 5.1 初识函数
- 5.2 内置函数
- 5.2.1 数学函数
- 5.2.2 随机数函数
- 5.2.3 三角函数
- 5.2.4 字符串函数
- 5.3 用户自定义函数
- 5.3.1 函数的定义
- 5.3.2 调用自定义函数
- 5.3.3 函数的参数传递
- 5.3.4 函数的参数类型
- 5.3.5 匿名函数
- 第6章 Python的面向对象编程基础
- 6.1 面向对象
- 6.1.1 面向对象概念
- 6.1.2 类定义与类对象
- 6.1.3 类的继承
- 6.2 模块
- 6.2.1 自定义模块和调用
- 6.2.2 import语句
- 6.2.3 标准模块
- 6.3 包
- 6.4 变量作用域及类型
- 6.4.1 变量作用域
- 6.4.2 全局变量和局部变量
- 6.4.3 global和nonlocal关键字
- 第7章 Python大数据分析的Numpy包
- 7.1 初识Numpy包
- 7.2 ndarray数组基础
- 7.2.1 创建Numpy数组
- 7.2.2 Numpy特殊数组
- 7.2.3 Numpy序列数组
- 7.2.4 Numpy数组索引
- 7.2.5 Numpy数组运算
- 7.2.6 Numpy数组复制
- 7.3 Numpy的矩阵
- 7.4 Numpy的线性代数
- 7.4.1 两个数组的点积
- 7.4.2 两个向量的点积
- 7.4.3 一维数组的向量内积
- 7.4.4 矩阵的行列式
- 7.4.5 矩阵的逆
- 7.5 Numpy的文件操作
- 第8章 Python大数据分析的Pandas包
- 8.1 Pandas的数据结构
- 8.2 一维数组系列
- 8.2.1 创建一个空的系列
- 8.2.2 从ndarray创建一个系列
- 8.2.3 从字典创建系列
- 8.2.4 从有位置的系列中访问数据
- 8.2.5 使用标签检索数据
- 8.3 二维数组DataFrame
- 8.3.1 创建DataFrame
- 8.3.2 数据的查看
- 8.3.3 数据的选择
- 8.3.4 数据的处理
- 8.4 三维数组Panel
- 第9章 Python大数据可视化的Matplotlib包
- 9.1 Matplotlib包的优点
- 9.2 figure（）函数的应用
- 9.2.1 figure（）函数的各参数意义
- 9.2.2 figure（）函数的示例
- 9.3 plot（）函数的应用
- 9.3.1 plot（）函数的各参数意义
- 9.3.2 plot（）函数的实例
- 9.4 subplot（）函数的应用
- 9.4.1 subplot（）的各参数意义
- 9.4.2 subplot（）的示例
- 9.5 add_axes方法的应用
- 9.6 legend（）函数的应用
- 9.7 设置字体格式
- 9.8 设置线条的宽度和颜色
- 9.9 坐标轴网格
- 9.10 绘制柱状图
- 9.11 绘制色图和等高线图
- 9.12 绘制立体三维图形
- 第10章 Python量化交易策略的编写
- 10.1 股票量化交易策略的组成
- 10.1.1 初始化函数
- 10.1.2 开盘前运行函数
- 10.1.3 开盘时运行函数
- 10.1.4 收盘后运行函数
- 10.2 设置函数
- 10.2.1 设置基准函数
- 10.2.2 设置佣金/印花税函数
- 10.2.3 设置滑点函数
- 10.2.4 设置动态复权（真实价格）模式函数
- 10.2.5 设置成交量比例函数
- 10.2.6 设置是否开启盘口撮合模式函数
- 10.2.7 设置要操作的股票池函数
- 10.3 定时函数
- 10.3.1 定时函数的定义及分类
- 10.3.2 定时函数各项参数的意义
- 10.3.3 定时函数的注意事项
- 10.3.4 定时函数的实例
- 10.4 下单函数
- 10.4.1 按股数下单函数
- 10.4.2 目标股数下单函数
- 10.4.3 按价值下单函数
- 10.4.4 目标价值下单函数
- 10.4.5 撤单函数
- 10.4.6 获取未完成订单函数
- 10.4.7 获取订单信息函数
- 10.4.8 获取成交信息函数
- 10.5 日志log
- 10.5.1 设定log的级别
- 10.5.2 log.info
- 10.6 常用对象
- 10.6.1 Order对象
- 10.6.2 全局对象g
- 10.6.3 Trade对象
- 10.6.4 tick对象
- 10.6.5 Context对象
- 10.6.6 Position对象
- 10.6.7 SubPortfolio对象
- 10.6.8 Portfolio对象
- 10.6.9 SecurityUnitData对象
- 第11章 Python量化交易策略的获取数据函数
- 11.1 获取股票数据的history（）函数
- 11.1.1 各项参数的意义
- 11.1.2 history（）函数的应用实例
- 11.2 获取一只股票数据的attribute_history （）函数
- 11.3 查询一个交易日股票财务数据的 get_fund-amentals（）函数
- 11.3.1 各项参数的意义
- 11.3.2 get_fundamentals （）函数的应用实例
- 11.4 查询股票财务数据的get_fundamentals_continuously （）函数
- 11.5 获取股票特别数据的get_current_data （）函数
- 11.6 获取指数成分股代码的get_index_stocks （）函数
- 11.6.1 各项参数的意义
- 11.6.2 get_index_stocks （）函数的应用示例
- 11.7 获取行业成分股代码的get_industry_stocks（）函数
- 11.8 获取概念成本股代码的get_concept_stocks （）函数
- 11.9 获取所有数据信息的get_all_securities（）函数
- 11.9.1 各项参数的意义
- 11.9.2 get_all_securities（）函数的应用实例
- 11.10 获取一只股票信息的get_security_info （）函数
- 11.11 获取龙虎榜数据的get_billboard_list （）函数
- 11.11.1 各项参数的意义
- 11.11.2 get_billboard_list（）函数的应用实例
- 11.12 获取限售解禁数据的get_locked_shares （）函数
- 第12章 Python基本面量化选股
- 12.1 初识量化选股
- 12.2 成长类因子选股
- 12.2.1 营业收入同比增长率选股
- 12.2.2 营业收入环比增长率选股
- 12.2.3 净利润同比增长率选股
- 12.2.4 净利润环比增长率选股
- 12.2.5 营业利润率选股
- 12.2.6 销售净利率选股
- 12.2.7 销售毛利率选股
- 12.3 规模类因子选股
- 12.3.1 总市值选股
- 12.3.2 流通市值选股
- 12.3.3 总股本选股
- 12.3.4 流通股本选股
- 12.4 价值类因子选股
- 12.4.1 市净率选股
- 12.4.2 市销率选股
- 12.4.3 市现率选股
- 12.4.4 动态市盈率选股
- 12.4.5 静态市盈率选股
- 12.5 质量类因子选股
- 12.5.1 净资产收益率选股
- 12.5.2 总资产净利率选股
- 12.6 基本面多因子量化选股的注意事项
- 第13章 Python量化择时的技术指标函数
- 13.1 初识量化择时
- 13.2 趋向指标函数
- 13.2.1 MACD指标函数
- 13.2.2 EMV指标函数
- 13.2.3 UOS指标函数
- 13.2.4 GDX指标函数
- 13.2.5 DMA指标函数
- 13.2.6 JS指标函数
- 13.2.7 MA指标函数
- 13.2.8 EXPMA指标函数
- 13.2.9 VMA指标函数
- 13.3 反趋向指标函数
- 13.3.1 KD指标函数
- 13.3.2 MFI指标函数
- 13.3.3 RSI指标函数
- 13.3.4 OSC指标函数
- 13.3.5 WR指标函数
- 13.3.6 CCI指标函数
- 13.4 压力支撑指标函数
- 13.4.1 BOLL指标函数
- 13.4.2 MIKE指标函数
- 13.4.3 XS指标函数
- 13.5 量价指标函数
- 13.5.1 OBV指标函数
- 13.5.2 VOL指标函数
- 13.5.3 VR指标函数
- 13.5.4 MASS指标函数
- 第14章 Python量化交易策略的回测技巧
- 14.1 量化交易策略回测的流程
- 14.2 利用Python编写MACD指标量化策略
- 14.2.1 量化交易策略的编辑页面
- 14.2.2 编写初始化函数
- 14.2.3 编写单位时间调用的函数
- 14.3 设置MACD指标量化策略的回测参数
- 14.4 MACD指标量化策略的回测详情
- 14.5 MACD指标量化策略的风险指标
- 14.5.1 Alpha（阿尔法）
- 14.5.2 Beta（贝塔）
- 14.5.3 Sharpe（夏普比率）
- 14.5.4 Sortino（索提诺比率）
- 14.5.5 Information Ratio（信息比率）
- 14.5.6 Volatility（策略波动率）
- 14.5.7 Benchmark Volatility（基准波动率）
- 14.5.8 Max Drawdown（最大回撤）
- 第15章 Python量化交易策略的因子分析技巧
- 15.1 因子分析概述
- 15.1.1 因子的类型
- 15.1.2 因子分析的作用
- 15.2 因子分析的实现代码
- 15.2.1 因子分析中变量的含义
- 15.2.2 因子分析中可以使用的基础因子
- 15.2.3 calc的参数及返回值
- 15.3 因子分析的结果
- 15.3.1 新建因子
- 15.3.2 收益分析
- 15.3.3 IC分析
- 15.3.4 换手分析
- 15.4 因子在研究和回测中的使用
- 15.5 基本面因子应用实例
- 第16章 Python量化交易策略的实战案例
- 16.1 MA均线量化交易策略实战案例
- 16.1.1 编写初始化函数
- 16.1.2 编写单位时间调用的函数
- 16.1.3 MA均线量化交易策略的回测
- 16.2 多均线量化交易策略实战案例
- 16.2.1 编写初始化函数
- 16.2.2 编写交易程序函数
- 16.2.3 多均线量化交易策略的回测
- 16.3 能量型指标量化交易策略实战案例
- 16.3.1 编写初始化函数
- 16.3.2 编写单位时间调用的函数
- 16.3.3 能量型指标量化交易策略的回测
- 16.4 KD指标量化交易策略实战案例
- 16.4.1 编写初始化函数
- 16.4.2 编写开盘前运行函数
- 16.4.3 编写开盘时运行函数
- 16.4.4 编写收盘后运行函数
- 16.4.5 KD指标量化交易策略的回测
- 16.5 BOLL指标量化交易策略实战案例
- 16.5.1 编写初始化函数
- 16.5.2 编写开盘前运行函数
- 16.5.3 编写开盘时运行函数
- 16.5.4 编写收盘后运行函数
- 16.5.5 BOLL指标量化交易策略的回测
- 16.6 多股票持仓量化交易策略实战案例
- 16.6.1 编写初始化函数
- 16.6.2 编写单位时间调用的函数
- 16.6.3 多股票持仓量化交易策略的回测
- 16.7 医药股轮动量化交易策略实战案例
- 16.7.1 编写初始化函数
- 16.7.2 编写选股函数
- 16.7.3 编写交易函数
- 16.7.4 医药股轮动量化交易策略的回测
- 16.8 中市值股票量化交易策略实战案例
- 16.8.1 编写初始化函数
- 16.8.2 编写选股函数
- 16.8.3 编写过滤停牌股票函数
- 16.8.4 编写交易函数
- 16.8.5 中市值股票量化交易策略的回测
- 16.9 低估价值股量化交易策略实战案例
- 16.9.1 编写初始化函数
- 16.9.2 编写选股函数
- 16.9.3 编写交易函数
- 16.9.4 低估价值股量化交易策略的回测
展开全部
评分及书评
尚无评分
目前还没人评分
- 加载中...
出版方
清华大学出版社
清华大学出版社成立于1980年6月，是由教育部主管、清华大学主办的综合出版单位。植根于“清华”这座久负盛名的高等学府，秉承清华人“自强不息，厚德载物”的人文精神，清华大学出版社在短短二十多年的时间里，迅速成长起来。清华大学出版社始终坚持弘扬科技文化产业、服务科教兴国战略的出版方向，把出版高等学校教学用书和科技图书作为主要任务，并为促进学术交流、繁荣出版事业设立了多项出版基金，逐渐形成了以出版高水平的教材和学术专著为主的鲜明特色，在教育出版领域树立了强势品牌。
