量化交易之路-用Python做股票量化分析 pdf epub mobi txt 电子书 下载 2025

简体网页||繁体网页

☆☆☆☆☆

阿布 著

图书标签:

• 量化交易
• Python
• 股票
• 金融
• 投资
• 量化分析
• 数据分析
• 编程
• 实战
• 策略

店铺： 沭阳新华书店图书专营店

出版社： 机械工业出版社

ISBN：9787111575214

商品编码：26896061720

包装：平装-胶订

开本：16

出版时间：2017-08-01

商品参数

商品基本信息
商品名称：	量化交易之路：用Python做股票量化分析
作者：	阿布
市场价：	89.00
ISBN号：	9787111575214
版次：	1-1
出版日期：	2017-08
页数：	393
字数：	600
出版社：	机械工业出版社

内容介绍
本书从对量化交易的正确认识出发，循序渐进地讲解了量化交易所需要了解的各种知识及工具。书中特别穿插了大量的开发技巧与交易技巧，还提供了大量基于真实交易的实例，有很强的实用性。本书偏重于量化技术在实际交易中的应用，读者不需要有深厚的数学功底即可阅读。 本书共11章，分为4部分。D1部分讲解了对量化交易的正确认识；D2部分讲解了量化交易的基础，如Python语言、数学和几种数据分析工具等；D3部分讲解了量化交易系统的开发与使用，以及基础度量概念及*参数等问题；D4部分讲解了机器学习技术在量化交易中的实际应用。附录中还给出了量化环境部署、量化相关性分析、量化统计分析及指标应用等相关内容。 本书适合所有对量化交易感兴趣的人员阅读，也适合相关院校和培训机构作为量化交易系统课程的教材。阅读本书，建议读者有一定的编程基础。 一分钟了解本书内容精华： 量化引言 量化语言——Python

本书从对量化交易的正确认识出发，循序渐进地讲解了量化交易所需要了解的各种知识及工具。书中特别穿插了大量的开发技巧与交易技巧，还提供了大量基于真实交易的实例，有很强的实用性。本书偏重于量化技术在实际交易中的应用，读者不需要有深厚的数学功底即可阅读。

本书共11章，分为4部分。D1部分讲解了对量化交易的正确认识；D2部分讲解了量化交易的基础，如Python语言、数学和几种数据分析工具等；D3部分讲解了量化交易系统的开发与使用，以及基础度量概念及*参数等问题；D4部分讲解了机器学习技术在量化交易中的实际应用。附录中还给出了量化环境部署、量化相关性分析、量化统计分析及指标应用等相关内容。

本书适合所有对量化交易感兴趣的人员阅读，也适合相关院校和培训机构作为量化交易系统课程的教材。阅读本书，建议读者有一定的编程基础。

一分钟了解本书内容精华：

量化引言

量化语言——Python

量化工具——NumPy

量化工具——pandas

量化工具——可视化

量化工具——数学

量化系统——入门

量化系统——开发

量化系统——度量与优化

量化系统——机器学习?猪老三

量化系统——机器学习?abu

量化环境部署

量化相关性分析

量化统计分析及指标应用

显示全部信息

关联推荐

作者在百度互联网证券、百度金融等互联网金融公司多年从业经验的总结；

涵盖从传统的趋势跟踪技术及统计套利技术，到*的机器学习技术等各种量化技术；

树立对量化交易的正确认识，搭建交易技术与量化技术之间的稳固纽带；

给出完整的量化交易知识体系，所有实例均采用真实的交易进行讲解；

详解量化基础知识，以及Python、NumPy、pandas、可视化和数学等量化工具及实例；

详解量化择时、选股、资金管理、度量、*参数等技术及交易实例；

详解机器学习技术在量化交易领域的应用，并给出交易实例。

 
目录
前言 D1部分 对量化交易的正确认识 D1章 量化引言 2 1.1 什么是量化交易 2 1.2 量化交易：投资？投机？赌博？ 3 1.3 量化交易的优势 4 1.4 量化交易的正确认识 8 1.5 量化交易的目的 11 D2部分 量化交易的基础 D2章 量化语言——Python 14 2.1 基础语法与数据结构 15 2.2 函数 20 2.3 面向对象 25 2.4 性能效率 38

前言

D1部分 对量化交易的正确认识

D1章 量化引言 2

1.1 什么是量化交易 2

1.2 量化交易：投资？投机？赌博？ 3

1.3 量化交易的优势 4

1.4 量化交易的正确认识 8

1.5 量化交易的目的 11

D2部分 量化交易的基础

D2章 量化语言——Python 14

2.1 基础语法与数据结构 15

2.2 函数 20

2.3 面向对象 25

2.4 性能效率 38

2.5 代码调试 45

2.6 本章小结 48

D3章 量化工具——NumPy 49

3.1 并行化思想与基础操作 49

3.2 基础统计概念与函数使用 57

3.3 正态分布 62

3.4 伯努利分布 66

3.5 本章小结 71

D4章 量化工具——pandas 72

4.1 基本操作方法 72

4.2 基本数据分析示例 78

4.3 实例1：寻找股票异动涨跌幅阀值 87

4.4 实例2：星期几是这个股票的“好日子” 91

4.5 实例3：跳空缺口 95

4.6 pandas三维面板的使用 98

4.7 本章小结 101

D5章 量化工具——可视化 102

5.1 使用Matplotlib可视化数据 102

5.2 使用Bokeh交互可视化 106

5.3 使用pandas可视化数据 107

5.4 使用Seaborn可视化数据 112

5.5 实例1：可视化量化策略的交易区间及卖出原因 115

5.6 实例2：标准化两个股票的观察周期 120

5.7 实例3：黄金分割线 124

5.8 技术指标的可视化 130

5.9 本章小结 133

D6章 量化工具——数学 134

6.1 回归与插值 134

6.2 蒙特卡罗方法与凸优化 139

6.3 线性代数 159

6.4 本章小结 168

D3部分 量化交易系统的开发

D7章 量化系统——入门 170

7.1 趋势跟踪与均值回复 170

7.2 仓位控制管理 188

7.3 本章小结 202

D8章 量化系统——开发 203

8.1 abu量化系统择时 204

8.2 abu量化系统选股 234

8.3 本章小结 242

D9章 量化系统——度量与优化 243

9.1 度量的基本使用方法 243

9.2 度量的基础 247

9.3 基于Grid Search寻找因子Z优参数 253

9.4 资金限制对度量的影响 266

9.5 输入中文自动生成交易策略 272

9.6 本章小结 276

D4部分 机器学习在量化交易中的实战

D10章 量化系统——机器学习?猪老三 278

10.1 机器学习基础概念 278

10.2 猪老三SJ中的量化环境 282

10.3 有监督机器学习 286

10.4 无监督机器学习 299

10.5 梦醒时分 303

10.6 本章小结 317

D11章 量化系统——机器学习?abu 318

11.1 搜索引擎与量化交易 319

11.2 主裁 321

11.3 边裁 351

11.4 一定要赢得这场胜利，即使一切都不存在 360

11.5 本章小结 361

 

附录A 量化环境部署 362

附录B 量化相关性分析 381

附录C 量化统计分析及指标应用 388

显示全部信息

探索金融市场的奥秘：一本关于量化分析与Python实践的入门指南 在这个数据驱动的时代，金融市场早已不再是仅凭经验和直觉就能游刃有余的领域。取而代之的是，海量的数据、复杂的算法以及高效的工具正以前所未有的力量重塑着投资的面貌。对于渴望深入理解市场运作规律，掌握现代投资策略，并希望将技术优势转化为盈利机会的投资者、金融从业者以及程序员而言，一本能够系统性地引导他们入门量化分析，并实践Python在这一领域的应用的书籍，显得尤为珍贵。 本书，正如其名，旨在铺就一条通往量化交易世界的道路，它不是一本高屋建瓴的理论阐述，也不是一本晦涩难懂的数学模型堆砌，而是一本以Python为主要工具，聚焦于股票量化分析的实操指南。它将带你从零开始，逐步建立起对量化交易的认知框架，并亲手掌握构建、回测和优化交易策略的核心技能。 为什么选择Python？ 在开始深入探讨量化分析之前，有必要明确为何本书将Python奉为圭臬。Python之所以在量化金融领域占据主导地位，并非偶然。其简洁易学的语法降低了编程门槛，使得非计算机专业的读者也能快速上手。更重要的是，Python拥有一个极其丰富和成熟的生态系统，为数据科学和量化分析提供了强大的支持。NumPy、Pandas、SciPy等库提供了高效的数据处理和数值计算能力；Matplotlib、Seaborn则能够进行美观的数据可视化；而Scikit-learn、TensorFlow、PyTorch等机器学习库，则为构建复杂的量化模型打开了大门。本书将充分利用这些强大的工具，让你体验到Python在数据处理、统计分析、算法实现等方面的得心应手。 量化分析的核心：从数据到策略 量化分析的本质，是用数学和统计学的方法，通过对历史数据的分析，来理解市场行为，并据此构建具有预测能力的交易模型。本书将带领你经历这个核心过程： 第一部分：奠定基础，认识量化 量化交易的逻辑与流程： 你将理解量化交易的核心思想——将投资决策流程化、模型化。了解从数据获取、清洗、处理，到信号生成、策略构建、回测优化，再到实盘交易和风险管理的完整链条。 金融市场数据概览： 股票市场的数据种类繁多，包括价格数据（开盘价、最高价、最低价、收盘价、成交量）、财务数据、宏观经济数据等。本书将介绍这些数据的特点，以及如何获取和理解它们。 Python环境搭建与基础： 对于初学者，我们将提供清晰的环境搭建指南，涵盖Python的安装、常用的IDE（如Jupyter Notebook、VS Code）的使用。同时，也会回顾Python的核心语法、数据结构以及面向对象编程的基本概念，确保你在掌握量化工具前，具备必要的编程基础。 数据处理的利器：Pandas入门： Pandas是Python在数据分析领域最核心的库。本书将深入讲解Pandas的Series和DataFrame对象，学习如何进行数据读取（CSV、Excel、数据库）、数据清洗（缺失值处理、异常值检测）、数据筛选、排序、分组聚合、数据合并与连接等，为后续的量化分析打下坚实的数据基础。 数据可视化：洞察数据之美： Matplotlib和Seaborn是进行数据可视化的强大工具。你将学习如何绘制各类图表，如折线图、K线图、散点图、直方图等，用图形化的方式直观地理解数据特征，发现潜在的市场规律。 第二部分：构建交易信号，策略的源头活水 技术指标的量化实现： 技术分析是量化交易中常用的方法之一。本书将重点讲解如何用Python实现一系列经典的技术指标，例如： 移动平均线 (MA)： 学习不同周期的移动平均线计算，以及其在趋势判断中的应用。 相对强弱指数 (RSI)： 理解RSI的计算原理，以及如何利用其判断超买超卖信号。 MACD (Moving Average Convergence Divergence)： 学习MACD的构成，以及金叉、死叉等交易信号的生成。 布林带 (Bollinger Bands)： 探索布林带的开口、宽度等信息，以及其在波动性分析中的作用。 成交量指标： 如OBV (On-Balance Volume)，理解成交量与价格的关系。 更多其他常用技术指标： 例如KDJ、CCI等，你将学会如何根据指标的数值变化，生成潜在的买卖信号。 量化因子与特征工程： 除了传统技术指标，本书还将引导你探索更复杂的量化因子。 基于价格形态的因子： 如突破、回调等。 基于统计学原理的因子： 如均值回归、动量反转等。 基本面数据在量化中的应用： 简要介绍如何获取和处理上市公司的财务数据，并构建基于市盈率 (PE)、市净率 (PB) 等基本面的因子。 特征工程的意义： 学习如何从原始数据中提取、组合、变换出更具预测能力的特征，为模型训练提供高质量输入。 第三部分：策略回测与性能评估：检验策略的生命力 回测引擎的设计与实现： 回测是评估交易策略有效性的关键步骤。本书将指导你从零开始，设计并实现一个简易但功能完备的股票交易策略回测引擎。你将学习如何处理历史数据，模拟交易过程，记录交易详情，计算策略收益。 回测中的关键要素： 交易信号的产生与过滤： 如何根据策略逻辑生成买入卖出信号，并进行过滤。 交易执行模拟： 如何模拟股票的买入卖出，包括手续费、滑点等实际交易因素的考虑。 仓位管理： 如何在回测中模拟仓位的变化，如全仓、止损、止盈等。 数据周期与频率： 学习如何进行不同频率（日线、分钟线）的回测。 策略性能指标：量化策略的“体检报告”： 一个好的策略不仅要有高收益，更要有合理的风险。本书将详细介绍和计算一系列重要的回测性能指标，帮助你全面评估策略的优劣： 总收益率与年化收益率： 衡量策略的整体盈利能力。 夏普比率 (Sharpe Ratio)： 衡量每承担单位风险所获得的回报。 索提诺比率 (Sortino Ratio)： 衡量每承担单位下行风险所获得的回报。 最大回撤 (Maximum Drawdown)： 衡量策略在回测期间可能出现的最大损失。 胜率与赔率： 分析交易的成功率和单笔交易的盈亏比例。 交易频率与平均持仓时间： 了解策略的交易模式。 过拟合的风险与应对： 学习识别和防范策略在回测中表现优异，但在实盘中失效的“过拟合”现象，并介绍交叉验证、样本外测试等常用方法。 第四部分：进阶探索与实盘准备（示例性内容，根据书籍实际篇幅可能有所增减） 机器学习在量化交易中的初步应用： 简要介绍如何将机器学习算法（如线性回归、逻辑回归、决策树、随机森林）应用于股票价格预测或交易信号生成。 风险管理策略： 学习止损、止盈、头寸控制等基本风险管理方法，以及如何将它们融入量化策略。 交易系统架构的初步构想： 探讨如何将回测好的策略部署到实盘交易中，涉及数据接口、交易接口、订单管理等概念。 API接口的应用： 介绍如何利用券商提供的API接口，实现自动化交易（此处为理念介绍，非具体实现）。 谁适合阅读这本书？ 本书适合以下人群： 对量化交易感兴趣的初学者： 即使你没有编程基础，本书也会从零开始引导你。 希望将Python应用于金融投资的程序员： 学习如何利用Python的强大生态解决实际金融问题。 金融从业者（基金经理、交易员、分析师）： 了解现代量化分析工具和方法，提升工作效率和投资决策水平。 对数据分析和模型构建有兴趣的学生： 学习将理论知识应用于实践，并了解量化金融这一热门领域。 阅读本书，你将获得： 扎实的量化分析理论基础： 理解量化交易的逻辑、流程和核心概念。 强大的Python量化编程能力： 熟练运用Pandas、NumPy等库进行数据处理和分析。 构建与回测交易策略的实操经验： 亲手实现并评估自己的交易想法。 识别和管理交易风险的意识： 学习如何构建稳健的交易系统。 探索更高级量化模型和机器学习应用的初步视野。 量化交易之路，是一场充满挑战与机遇的旅程。本书将为你提供必要的工具、方法和实践指导，帮助你迈出坚实的第一步，在瞬息万变的金融市场中，找到属于自己的投资之道。让我们一起，用Python揭开股票量化分析的神秘面纱，开启一段充满智慧与效率的投资探索之旅。

评分☆☆☆☆☆

这本书的篇幅和深度，让我感觉像是在与一位经验丰富的量化交易导师对话。作者在内容的选择上，可以说抓住了量化交易的核心要素。除了基础的数据处理，书中对策略开发的部分更是精彩纷呈。它并没有仅仅局限于介绍几种现成的交易策略，而是教会读者如何去思考、去构建自己的策略。从因子挖掘到模型选择，再到回测和优化的整个流程，作者都进行了详尽的阐述。我尤其喜欢书中关于回测部分的处理，它不仅仅告诉你如何编写回测代码，更重要的是，它强调了回测的局限性，以及如何避免过度拟合。这些都是在实践中非常容易被忽视，但却能直接影响策略有效性的关键点。作者还花了大量篇幅讲解了风险管理的重要性，以及如何在量化交易中融入风险控制的理念，这一点对于实盘交易者来说，简直是必不可少的知识。我感觉这本书能够帮助我建立起一个比较全面的量化交易知识体系，让我不再是东拼西凑地学习，而是能够系统地理解和应用。

评分☆☆☆☆☆

这本书绝对是我近期阅读过的技术类书籍中最令我惊喜的一本！从目录就能看出，作者对量化交易的理解非常深入，而且循序渐进地带领读者进入这个复杂的世界。我特别欣赏的是，它并没有一上来就抛出晦涩难懂的数学公式或者高级算法，而是从Python的基础知识讲起，这对于像我这样，虽然对量化交易充满兴趣，但Python功底相对薄弱的读者来说，简直是福音。每一章都紧密联系实际应用，比如数据获取、清洗、预处理，这些看似基础却至关重要的一步步，作者都讲解得非常细致，并给出了可执行的代码示例。我跟着书中的代码，自己动手操作，一步步构建我的第一个数据分析框架，那种成就感无与伦比。而且，书中对一些常用技术指标的讲解，也比我之前看过的很多资料都要清晰和透彻。作者并非简单地罗列公式，而是深入浅出地解释了每个指标的背后逻辑和在实际交易中的意义。这本书让我真正体会到，量化交易并非遥不可及的神秘领域，而是可以通过学习和实践掌握的一门技术。

评分☆☆☆☆☆

作为一名在金融行业摸爬滚打多年的从业者，我一直希望能够将技术手段与金融分析更紧密地结合起来，这本书给了我非常大的启发。它让我看到了Python在金融领域的强大潜力，也让我认识到，量化分析并不是只有高冷的算法工程师才能玩转。作者在书中对金融数据的解读方式，以及如何利用Python进行可视化分析，让我耳目一新。那些精美的图表，不仅仅是为了美观，更是为了清晰地揭示数据的内在规律。我尤其喜欢书中关于市场微观结构和行为金融学在量化交易中的应用的探讨，这部分内容是我在其他书中很少见到的，它拓展了我的思路，让我开始从更宏观的视角去理解市场。这本书的价值在于，它不仅仅是一本技术手册，更是一本能够激发思考的书。它让我开始重新审视一些传统的金融分析方法，并思考如何用更科学、更有效的方式来解决实际问题。

评分☆☆☆☆☆

这本书绝对是为那些想要深入理解量化交易底层逻辑的读者量身定制的。作者在讲解过程中，非常注重理论与实践的结合。他不仅仅是给出代码，更重要的是解释了代码背后的原理和逻辑。我花了相当多的时间在理解书中关于统计学在量化交易中的应用的章节，那些关于假设检验、时间序列分析的内容，虽然初看有些吃力，但一旦理解了，就豁然开朗。它让我明白，量化交易不仅仅是“堆砌”算法，更需要扎实的数理统计基础。而且，作者还讨论了机器学习在量化交易中的一些前沿应用，比如特征工程、模型评估等，这些内容非常有价值，为我后续进一步学习打下了坚实的基础。我感觉这本书能够帮助我从一个“使用者”转变为一个“创造者”，让我能够自主地开发和优化交易策略。

评分☆☆☆☆☆

对于想要将股票投资提升到新高度的爱好者来说，这本书的价值是不可估量的。它不仅仅是教授Python技巧，更是传递了一种全新的投资理念和分析方法。作者在书中对于不同类型交易信号的解读，以及如何将这些信号整合成有效的交易逻辑，让我受益匪浅。我尤其欣赏的是，书中对一些交易陷阱的警示，比如过度依赖历史数据、忽略市场变化等，这些都是实战中非常容易遇到的问题。作者以一种非常负责任的态度，提醒读者要保持清醒的头脑。而且，书中还对不同交易品种的量化分析特点进行了探讨，这让我认识到，量化交易并非适用于所有市场，需要根据具体情况进行调整。这本书让我对股票量化分析有了更全面、更深入的认识，并且充满了学习的动力，迫不及待地想将书中的知识应用到实际的投资实践中去。