具體描述
th2072 9787121305146 9787121306594
內容簡介：
本書是國內較早關於Python大數據與量化交易的原創圖書，配閤zwPython開發平颱和zwQuant開源量化軟件學習，是一套完整的大數據分析、量化交易的學習教材，可直接用於實盤交易。本書有三大特色：*，以實盤個案分析為主，全程配有Python代碼；第二，包含大量的圖文案例和Python源碼，無須專業編程基礎，懂Excel即可開始學習；第三，配有專業的zwPython集成開發平颱、zwQuant量化軟件和zwDat數據包。
本書內容源自筆者的原版教學課件，雖然限於篇幅和載體，省略瞭視頻和部分環節，但核心內容都有保留，配套的近百套Python教學程序沒有進行任何刪減。考慮到廣大入門讀者的需求，筆者在各個核心函數環節增添瞭函數流程圖。
目錄：
第1章 從故事開始學量化.... 1
1.1 億萬富翁的“神奇公式”.... 2
1.1.1 案例1-1：億萬富翁的“神奇公式”... 2
1.1.2 案例分析：Python圖錶... 5
1.1.3 matplotlib繪圖模塊庫... 7
1.1.4 案例分析：style繪圖風格... 10
1.1.5 案例分析：colormap顔色錶... 12
1.1.6 案例分析：顔色錶關鍵詞... 14
1.1.7 深入淺齣... 17
1.2 股市“一月效應”.... 18
1.2.1 案例1-2：股市“一月效應”... 18
1.2.2 案例分析：“一月效應”計算... 19
1.2.3 案例分析：“一月效應”圖錶分析... 24
1.2.4 案例分析：顔色錶效果圖... 26
1.2.5 “一月效應”全文注解版Python源碼... 27
1.2.6 大數據·宏分析... 34
1.3 量化交易流程與概念.... 36
1.3.1 數據分析I2O流程... 36
1.3.2 量化交易不是高頻交易、自動交易... 37
1.3.3 小資、小白、韭菜... 38
1.3.4 專業與業餘... 38
1.4 用戶運行環境配置.... 42
1.4.1 程序目錄結構... 43
1.4.2 金融股票數據包... 44
1.5 Python實戰操作技巧.... 46
1.5.1 模塊檢測... 46
1.5.2 Spyder編輯器界麵設置... 47
1.5.3 代碼配色技巧... 48
1.5.4 圖像顯示配置... 50
1.5.5 Python2、Python 3雙版本雙開模式... 51
1.5.6 單版本雙開、多開模式... 52
1.5.7 實戰勝於一切... 54
1.6 量化、中醫與西醫.... 54
第2章 常用量化技術指標與框架.... 56
2.1 案例2-1：SMA均綫策略.... 56
內容簡介：
本書主要講解量化投資的思想和策略，並藉助Python 語言進行實戰。本書一共分為5 部分，第1 部分是Python 入門，第2 部分是統計學基礎，第3 部分是金融理論、投資組閤與量化選股，第4 部分是時間序列簡介與配對交易，第5 部分是技術指標與量化投資。本書首先對Python 編程語言進行介紹，通過學習，讀者可以迅速掌握用Python 語言處理數據的方法，並靈活運用Python 解決實際金融問題；其次，嚮讀者介紹量化投資的理論知識，主要講解量化投資所需的數量基礎和類型等方麵；。後講述如何在Python 語言中構建量化投資策略。
目錄：
第1 部分Python 入門1
第1 章Python 簡介與安裝使用2
1.1 Python 概述. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 2
1.2 Python 的安裝. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 3
1.2.1 下載安裝Python 執行文件. . . . . . . . . . . . . . . . . . . . . . . . 3
1.2.2 下載安裝Anaconda . . . . . . . . . . . . . . . . . . . . . . . . . . . . 4
1.2.3 多種Python 版本並存. . . . . . . . . . . . . . . . . . . . . . . . . . 6
1.3 Python 的簡單使用. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 7
1.4 交互對話環境IPython . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 8
1.4.1 IPython 的安裝. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 8
1.4.2 IPython 的使用. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 9
1.4.3 IPython 功能介紹. . . . . . . . . . . . . . . . . . . . . . . . . . . . . 10
第2 章Python 代碼的編寫與執行14
2.1 創建Python 腳本文件. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 15
2.1.1 記事本. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 15
2.1.2 Python 默認的IDLE 環境. . . . . . . . . . . . . . . . . . . . . . . . 15
2.1.3 專門的程序編輯器. . . . . . . . . . . . . . . . . . . . . . . . . . . . 15
2.2 執行.py 文件. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 17
2.2.1 IDLE 環境自動執行. . . . . . . . . . . . . . . . . . . . . . . . . . . 17
2.2.2 在控製颱cmd 中執行. . . . . . . . . . . . . . . . . . . . . . . . . . . 18
2.2.3 在Annaconda Prompt 中執行. . . . . . . . . . . . . . . . . . . . . . 19
2.3 Python 編程小技巧. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 20
2.3.1 Python 行. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 20
2.3.2 Python 縮進. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 21
第3 章Python 對象類型初探23
3.1 Python 對象. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 23
3.2 變量命名規則. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 24
3.3 數值類型. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 25
3.3.1 整數. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 25
3.3.2 浮點數. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 26
3.3.3 布爾類型. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 26
3.3.4 復數. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 27
3.4 字符串. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 28
3.5 列錶. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 29
3.6 可變與不可變. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 30
3.7 元組. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 32
3.8 字典. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 33
3.9 集閤. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 33
第4 章Python 集成開發環境：Spyder 介紹36
4.1 代碼編輯器. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 37
4.2 代碼執行Console . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 39
4.3 變量查看與編輯. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 40
4.4 當前工作路徑與文件管理. . . . . . . . . . . . . . . . . . . . . . . . . . . . 41
4.5 幫助文檔與在綫幫助. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 42
4.6 其他功能. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 43
用戶評價
我購買這套書，很大程度上是齣於對量化投資的憧憬，但之前對編程和金融都缺乏係統的瞭解。這本書以Python為工具，將量化投資的理論與實踐相結閤，為我打開瞭一扇新的大門。我尤其喜歡書中關於策略開發的講解。它從最基礎的策略邏輯入手，比如趨勢跟蹤、均值迴歸，然後詳細地展示瞭如何將這些邏輯轉化為Python代碼。每一個代碼片段都配有清晰的注釋和解釋，讓我這個編程新手也能理解代碼的含義。更重要的是，書中還深入講解瞭策略迴測的關鍵環節，包括如何獲取曆史數據、如何構建迴測框架、如何計算各種評估指標（如夏普比率、最大迴撤、年化收益率等）。這些指標的解讀和應用，書中都講解得非常透徹，讓我能夠理解一個策略的真實錶現。除瞭策略本身，書中還涵蓋瞭許多實用的量化交易技巧，例如風險管理、倉位控製、參數優化等，這些都是在實盤交易中非常重要的環節，而書中都進行瞭細緻的闡述。總的來說，這本書讓我覺得量化投資不再是高高在上的概念，而是可以通過學習Python，逐步掌握的一項實踐性技能。
評分當我第一次拿到這套書的時候，就被它厚實的篇幅和豐富的目錄所吸引。我之所以選擇它，主要是看中瞭它在“量化投資”這部分的內容，希望能夠係統地學習如何使用Python來構建和實現量化交易策略。這本書在這方麵做得非常齣色，它從最基礎的量化概念講起，比如什麼是量化交易，它有哪些優勢和劣勢，然後逐步深入到具體的策略構建。我非常喜歡它對不同類型量化策略的講解，比如趨勢跟蹤、均值迴歸、事件驅動等等，都給齣瞭非常詳細的解釋和Python代碼實現。作者在講解策略邏輯的同時，也非常注重代碼的嚴謹性和可讀性。它不僅僅是給齣代碼，還會深入講解代碼的每一部分，以及為什麼這樣設計。我跟著書中實現的幾個經典策略，進行瞭迴測，並學習瞭如何解讀迴測結果，比如夏普比率、最大迴撤、收益麯綫等等。這些指標的計算和意義，書中都講解得非常清楚，讓我能夠真正理解一個策略的優劣。此外，書中還討論瞭許多關於量化交易實戰中的重要問題，比如如何處理滑點、手續費，如何進行倉位管理，以及如何避免過擬閤等等。這些內容對於一個初學者來說，是非常寶貴的經驗。
評分這本書我拿到手的時候，確實被它的厚度和內容量給震撼到瞭。當初之所以選擇它，很大一部分原因是看到“零起點”這個字眼，我一直對編程和數據分析非常感興趣，但又苦於沒有基礎，市麵上很多入門的書籍要麼過於淺顯，要麼直接跳躍到高階概念，讓人望而卻步。這本書給我一種踏實的感覺，仿佛它真的能帶著一個完全不懂編程的人，一步步走進Python大數據和量化交易的奇妙世界。我特意找瞭個比較空閑的周末，仔細翻閱瞭目錄，發現它的結構設計得非常閤理。從最基礎的Python語法講起，比如變量、數據類型、控製流，這些我之前聽過但從未係統學過的概念，在這裏都得到瞭清晰的解釋。然後逐漸深入到數據處理的核心，像NumPy和Pandas這樣的庫，它用瞭大量詳實的例子來演示如何進行數據的清洗、轉換、閤並和篩選。我尤其喜歡它講解Pandas DataFrame操作的部分，那種一對一的講解方式，就像老師在你旁邊手把手教你一樣，每一個函數、每一個方法都有清晰的邏輯說明和實際應用場景。即使是對於那些我之前覺得枯燥乏味的理論知識，通過大量的代碼示例，也變得生動起來。我嘗試著跟著書中的代碼敲瞭一遍，發現運行結果和書上描述的一緻，這種即時反饋給瞭我極大的信心。而且，書中還會穿插一些關於數據可視化的小技巧，用Matplotlib和Seaborn生成各種圖錶，直觀地展示數據特徵，這對於理解數據非常有幫助。我感覺這本書不僅僅是教你技術，更是在培養你用數據說話的能力。
評分在我看來，一本好的技術書籍，不僅要教會你“怎麼做”，更要讓你明白“為什麼這麼做”。這本書在這方麵做得非常齣色。在講解Python基礎知識的時候，它並沒有僅僅停留在語法層麵，而是通過大量的實際應用場景，來闡述每個知識點的作用和價值。比如，在介紹Python列錶的時候，它會立即引申到如何用列錶來存儲和處理大量數據，以及如何通過列錶推導式來提高代碼效率。在學習Pandas庫的時候，它不僅講解瞭DataFrame的各種操作，還深入分析瞭為什麼Pandas能夠高效地處理結構化數據，它的底層原理是什麼。我尤其欣賞書中對數據清洗的講解，它列舉瞭多種常見的髒數據問題，並提供瞭非常實用的解決方法，讓我明白瞭數據清洗是數據分析中最關鍵也是最耗時的一步。而且，它還通過生動的圖錶，展示瞭數據可視化在理解數據特徵、發現數據規律方麵的巨大作用。這種深入淺齣的講解方式，讓我不僅學會瞭技術，更重要的是，理解瞭背後的邏輯和思想。這對於我這種渴望深入理解技術的人來說，是非常難得的。
評分當初選擇這套書，純粹是齣於一種“萬事開頭難”的心理，希望能夠找到一套真正適閤新手入門的書籍。這本書的“零起點”標簽讓我眼前一亮，盡管我之前對編程和金融領域都有過初步的接觸，但總覺得自己缺乏係統性的知識框架。這本書讓我驚喜的是，它並沒有上來就拋齣復雜的概念，而是從最基礎的Python語言元素開始講起，循序漸進。我非常喜歡它對Python基本語法的講解，比如列錶、字典、循環、條件判斷等，都通過非常生活化的例子來解釋，讓我這個之前覺得編程冰冷枯燥的人，也能從中找到樂趣。更重要的是，它將這些基礎知識與大數據處理緊密結閤起來。比如，在講解Python列錶的時候，它會立即引申到如何用列錶來存儲大量數據，以及如何進行簡單的統計計算。在學習Pandas庫的時候，它更是花瞭大量篇幅講解DataFrame的各種操作，從數據的讀取、寫入，到數據的篩選、排序、分組、聚閤，每一個操作都配有清晰的圖文解釋和代碼示例。我跟著書中的例子，嘗試著導入瞭一些公開的CSV文件，然後進行各種數據清洗和分析，感覺自己真的在和數據“打交道”。這種實踐性的學習方式，讓我對大數據處理的理解更加深刻，也激發瞭我進一步探索的興趣。
評分對於我這樣一個曾經被大數據這個概念嚇退過的人來說，這本書的齣現無疑是一場及時雨。我一直覺得大數據是很高深的領域，需要深厚的統計學和計算機科學功底纔能駕馭，但這本書的“零起點”承諾，讓我看到瞭希望。最讓我印象深刻的是，它將大數據處理的流程拆解得非常細緻，從數據的獲取、清洗、存儲，到數據的分析、挖掘、可視化，每一個環節都給予瞭充分的講解。我特彆喜歡它對數據清洗的講解，因為在我看來，現實中的數據往往是“髒”的，充滿瞭缺失值、異常值和重復值。這本書提供瞭非常實用的方法來處理這些問題，比如使用Pandas的各種函數來填充缺失值、檢測異常值，以及刪除重復項。它還詳細介紹瞭如何使用NumPy來進行高效的數值計算，以及如何利用Matplotlib和Seaborn進行數據可視化，生成各種直觀的圖錶來呈現數據的規律。我曾經嘗試過一些數據分析的工具，但總覺得不夠靈活，而Python配閤這些庫，則提供瞭極大的自由度和可定製性。這本書讓我意識到，大數據分析並非高不可攀，通過係統學習和實踐，任何人都可以掌握這項技能。
評分我是一名對量化投資領域懷揣好奇心的普通上班族，之前也零星看過一些相關的文章和視頻，但總感覺隔靴搔癢，缺乏係統性的指導。在朋友的推薦下，我購入瞭這套書，主要是看中瞭“量化投資：以Python為工具”這一部分，它承諾使用Python作為核心工具來講解量化投資策略的構建和實現。拿到書後，我最先關注的就是量化策略的實現部分。我被書中對不同類型量化策略的介紹深深吸引，從簡單的均值迴歸、趨勢跟蹤，到稍微復雜一些的因子模型，書中都給齣瞭詳細的解釋，並且最關鍵的是，都提供瞭相應的Python代碼實現。這些代碼並非簡單的“拿來主義”，而是經過瞭精心的設計，兼顧瞭易讀性和可擴展性。作者在講解策略邏輯的同時，還非常注重代碼的規範性和效率，這對於初學者來說是非常寶貴的經驗。我跟著書中實現的幾個經典策略，比如簡單的雙均綫交叉策略，通過迴測來驗證其有效性。書中有專門講解如何使用Python庫（例如Pandas、NumPy）來處理曆史行情數據，如何進行迴測框架的設計，以及如何評估策略的錶現，比如夏普比率、最大迴撤等關鍵指標。這些指標的計算過程和意義，書中都講解得非常透徹，不像有些書隻是簡單羅列公式。我印象深刻的是，書中還討論瞭數據預處理和特徵工程在量化策略中的重要性，以及如何利用Python來構建自己的因子庫。總的來說，這本書讓我覺得量化投資不再是遙不可及的“高大上”領域，而是可以通過學習和實踐，逐步掌握的一項技能。
評分我選擇這套書，很大程度上是齣於對量化投資的好奇，但又對金融和編程的結閤感到些許畏懼。這本書巧妙地將量化投資這個看似復雜的領域，通過Python這個工具，變得觸手可及。我尤其喜歡書中對於量化策略開發流程的講解。它不僅僅是羅列各種策略的名稱和公式，而是非常深入地剖析瞭每一個策略的邏輯，以及如何將這些邏輯轉化為Python代碼。從最基礎的因子選擇、數據獲取，到策略迴測、風險管理，書中都給齣瞭非常詳盡的指導。我特彆欣賞它在講解迴測部分的內容。它詳細介紹瞭如何構建一個迴測框架，如何處理曆史行情數據，如何計算策略的收益和風險指標，比如夏普比率、最大迴撤、年化收益率等等。這些指標的計算方法和解讀方式，書中都講解得非常清楚，讓我能夠理解一個策略的真實錶現。而且，書中還討論瞭許多實用的量化投資技巧，比如如何進行止損止盈，如何進行倉位管理，以及如何避免過擬閤等問題。這些內容對於一個初學者來說，是非常寶貴的經驗。這本書讓我覺得，量化投資不再是遙不可及的神秘領域，而是可以通過學習和實踐，逐步掌握的一項技能。
評分我一直對大數據和量化交易這個領域充滿好奇，但又苦於沒有閤適的入門途徑。這本書的“零起點”和“現貨發售”的特點，讓我覺得非常適閤我。我最先被吸引的是它在數據分析部分的內容。它從最基礎的Python語法講起，然後逐步深入到NumPy和Pandas這兩個強大的數據處理庫。我特彆喜歡它對Pandas DataFrame操作的講解，它通過大量的代碼示例，演示瞭如何進行數據的清洗、轉換、閤並、篩選等操作。我嘗試著按照書中的例子，導入瞭一些公開的數據集，然後進行數據處理，發現整個過程非常順暢，而且能夠快速地得到想要的結果。它還講解瞭如何使用Matplotlib和Seaborn進行數據可視化，生成各種精美的圖錶，這對於理解數據非常有幫助。我感覺這本書不僅僅是教你技術，更是在培養你用數據說話的能力。通過這些數據的處理和分析，我開始對數據背後的規律有瞭更深刻的認識。
評分我當初購買這套書，是希望能夠通過一種非常接地氣的方式，來學習Python在數據科學領域的應用。這本書的“零起點”定位，讓我覺得它非常適閤我這種沒有任何編程基礎的人。我特彆喜歡它對Python基礎知識的講解，比如變量、數據類型、控製流、函數等等，都用非常生動形象的比喻來解釋，讓我這個初學者能夠快速理解。更讓我驚喜的是，它並沒有止步於Python的語法，而是迅速將這些基礎知識與數據處理的核心庫，如NumPy和Pandas，緊密結閤起來。它詳細講解瞭如何使用Pandas來處理各種結構化的數據，比如CSV、Excel文件，以及如何進行數據的清洗、轉換、閤並、篩選等操作。我嘗試著跟著書中的代碼，導入瞭一些我自己的數據，然後按照書中的方法進行處理，感覺非常順暢。尤其是它對DataFrame操作的講解，讓我對數據處理的邏輯有瞭更清晰的認識。它還通過大量的代碼示例，演示瞭如何利用Matplotlib和Seaborn進行數據可視化，生成各種精美的圖錶，這對於理解數據非常有幫助。總而言之，這本書讓我覺得，學習Python進行數據處理，並非一件難事，而是可以一步步掌握的技能。
評分先買瞭，慢慢看…
評分還是挺難的，不容易學！
評分在看，感覺還行，沒有有太多的驚喜
評分一本很好 一本是垃圾
評分比較好的書，解釋詳細。
評分先買瞭，慢慢看…
評分感覺還不錯，和和預期差不多瞭
評分正在學習 不錯
評分挺好的 正在看
相關圖書
![中國金融四十人論壇書係：資本賬戶開放 [Capital Account Liberalization Strategy, Timing and Roadmap] pdf epub mobi 電子書 下載](https://pic.tinynews.org/11449792/rBEQYVNZvnYIAAAAAAEqQ1eT3HAAAFGNgDDX5oAASpb577.jpg)
本站所有内容均为互联网搜索引擎提供的公开搜索信息，本站不存储任何数据与内容，任何内容与数据均与本站无关，如有需要请联系相关搜索引擎包括但不限于百度，google,bing,sogou 等
© 2025 book.tinynews.org All Rights Reserved. 静思书屋 版权所有