包邮 Python与量化投资：从基础到实战+量化投资：以Python为工具 2本 pdf epub mobi txt 电子书 下载 2025

简体网页||繁体网页

☆☆☆☆☆

图书标签:

• Python
• 量化投资
• 金融
• 投资
• 编程
• 实战
• 数据分析
• 算法
• 入门
• 包邮

店铺： 兰兴达图书专营店

出版社： 电子工业

ISBN：YL14516

商品编码：27147028119

开本：16

出版时间：2017-02-01

YL14516  9787121338571 9787121305146

Python与量化投资：从基础到实战  

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。

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 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 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 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 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 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 7章 量化投资十问十答 405

量化投资：以Python为工具  

主要讲解量化投资的思想和策略，并借助Python语言进行实战。由三部分组成：首先，对Python编程语言的介绍，通过学习，读者可以迅速掌握用Python语言处理数据的方法，灵活运用Python语言解决实际金融问题；其次，向读者介绍量化投资的理论知识，主要讲解量化投资所需的数量基础与量化投资的类型等方面；将以上两部分内容结合起来，讲述如何在Python语言中构建量化投资策略。

1 部分Python 入门 1 1 章Python 简介与安装使用 2 1.1 Python 概述. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 2 1.2 Python 的安装. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 3 1.2.1 下载安装Python 执行文件. . . . . . . . . . . . . . . . . . . . . . . . 3 1.2.2 下载安装Anaconda . . . . . . . . . . . . . . . . . . . . . . . . . . . . 4 1.2.3 多种Python 版本并存. . . . . . . . . . . . . . . . . . . . . . . . . . 6 1.3 Python 的简单使用. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 7 1.4 交互对话环境IPython . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 8 1.4.1 IPython 的安装. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 8 1.4.2 IPython 的使用. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 9 1.4.3 IPython 功能介绍. . . . . . . . . . . . . . . . . . . . . . . . . . . . . 10 2 章Python 代码的编写与执行 14 2.1 创建Python 脚本文件. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 15 2.1.1 记事本. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 15 2.1.2 Python 默认的IDLE 环境. . . . . . . . . . . . . . . . . . . . . . . . 15 2.1.3 专门的程序编辑器. . . . . . . . . . . . . . . . . . . . . . . . . . . . 15 2.2 执行.py 文件. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 17 2.2.1 IDLE 环境自动执行. . . . . . . . . . . . . . . . . . . . . . . . . . . 17 2.2.2 在控制台cmd 中执行. . . . . . . . . . . . . . . . . . . . . . . . . . . 18 2.2.3 在Annaconda Prompt 中执行. . . . . . . . . . . . . . . . . . . . . . 19 2.3 Python 编程小技巧. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 20 2.3.1 Python 行. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 20 2.3.2 Python 缩进. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 21 3 章Python 对象类型初探 23 3.1 Python 对象. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 23 3.2 变量命名规则. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 24 3.3 数值类型. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 25 3.3.1 整数. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 25 3.3.2 浮点数. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 26 3.3.3 布尔类型. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 26 3.3.4 复数. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 27 3.4 字符串. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 28 3.5 列表. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 29 3.6 可变与不可变. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 30 3.7 元组. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 32 3.8 字典. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 33 3.9 集合. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 33 4 章Python 集成开发环境：Spyder 介绍 36 4.1 代码编辑器. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 37 4.2 代码执行Console . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 39 4.3 变量查看与编辑. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 40 4.4 当前工作路径与文件管理. . . . . . . . . . . . . . . . . . . . . . . . . . . . 41 4.5 帮助文档与在线帮助. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 42 4.6 其他功能. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 43 5 章Python 运算符与使用 44 5.1 常用运算符. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 44 5.1.1 算术运算符. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 45 5.1.2 赋值运算符. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 46 5.1.3 比较运算符. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 47 5.1.4 逻辑运算符. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 48 5.1.5 身份运算符. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 49 5.1.6 成员运算符. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 51 5.1.7 运算符的优先级. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 52 5.2 具有运算功能的内置函数. . . . . . . . . . . . . . . . . . . . . . . . . . . . 52 6 章Python 常用语句 55 6.1 赋值语句. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 55 6.1.1 赋值含义与简单赋值. . . . . . . . . . . . . . . . . . . . . . . . . . . 55 6.1.2 多重赋值. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 57 6.1.3 多元赋值. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 58 6.1.4 增强赋值. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 58 6.2 条件语句. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 59 6.3 循环语句. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 60 6.3.1 for 循环. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 60 6.3.2 while 循环. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 61 6.3.3 嵌套循环. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 62 6.3.4 break、continue 等语句. . . . . . . . . . . . . . . . . . . . . . . . . 62 7 章函数 66 7.1 函数的定义与调用. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 66 7.2 函数的参数. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 68 7.3 匿名函数. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 71 7.4 作用域. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 72 8 章面向对象75 8.1 类. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 75 8.2 封装. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 77 8.3 继承（Inheritance） . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 79 9 章Python 标准库与数据操作 82 9.1 模块、包和库. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 82 9.1.1 模块. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 82 9.1.2 包. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 84 9.1.3 库. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 85 9.2 Python 标准库介绍. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 85 9.3 Python 内置数据类型与操作. . . . . . . . . . . . . . . . . . . . . . . . . . . 91 9.3.1 序列类型数据操作. . . . . . . . . . . . . . . . . . . . . . . . . . . . 91 9.3.1.1 list 类型与操作. . . . . . . . . . . . . . . . . . . . . . . . . 91 9.3.1.2 tuple 类型与操作. . . . . . . . . . . . . . . . . . . . . . . . 95 9.3.1.3 range 类型与操作. . . . . . . . . . . . . . . . . . . . . . . 97 9.3.1.4 字符串操作. . . . . . . . . . . . . . . . . . . . . . . . . . . 98 9.3.2 字典类型操作. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 103 9.3.3 集合操作. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 106 10 章常用三方库：Numpy 库与多维数组 111 10.1 NumPy 库. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 111 10.2 创建数组. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 111 10.3 数组元素索引与切片. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 115 10.4 数组运算. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 118 11 章常用三方库：Pandas 与数据处理 120 11.1 Series 类型数据. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 120 11.1.1 Series 对象的创建. . . . . . . . . . . . . . . . . . . . . . . . . . . . . 120 11.1.2 Series 对象的元素提取与切片. . . . . . . . . . . . . . . . . . . . . . 122 11.1.2.1 调用方法提取元素. . . . . . . . . . . . . . . . . . . . . . . 122 11.1.2.2 利用位置或标签提取元素与切片. . . . . . . . . . . . . . . 123 11.1.3 时间序列. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 124 11.2 DataFrame 类型数据. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 128 11.2.1 创建DataFrame 对象. . . . . . . . . . . . . . . . . . . . . . . . . . . 128 11.2.2 查看DataFrame 对象. . . . . . . . . . . . . . . . . . . . . . . . . . . 130 11.2.3 DataFrame 对象的索引与切片. . . . . . . . . . . . . . . . . . . . . . 131 11.2.4 DataFrame 的操作. . . . . . . . . . . . . . . . . . . . . . . . . . . . 135 11.2.5 DataFrame 的运算. . . . . . . . . . . . . . . . . . . . . . . . . . . . 139 11.3 数据规整化. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 142 11.3.1 缺失值的处理. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 142 11.3.1.1 缺失值的判断. . . . . . . . . . . . . . . . . . . . . . . . . . 142 11.3.1.2 选出不是缺失值的数据. . . . . . . . . . . . . . . . . . . . 143 11.3.2 缺失值的填充. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 143 11.3.3 缺失值的选择删除. . . . . . . . . . . . . . . . . . . . . . . . . . . . 145 11.3.4 删除重复数据. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 146 12 章常用三方库：Matplotlib 库与数据可视化 149 12.1 Matplotlib 简介. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 149 12.2 修改图像属性. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 152 12.2.1 坐标. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 152 12.2.1.1 更改坐标轴范围. . . . . . . . . . . . . . . . . . . . . . . . 152 12.2.1.2 设定坐标标签与显示角度. . . . . . . . . . . . . . . . . . . 153 12.2.2 添加文本. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 155 12.2.2.1 添加标题. . . . . . . . . . . . . . . . . . . . . . . . . . . . 155 12.2.2.2 中文显示问题. . . . . . . . . . . . . . . . . . . . . . . . . . 157 12.2.2.3 设定坐标轴标签. . . . . . . . . . . . . . . . . . . . . . . . 159 12.2.2.4 增加图形背景grid . . . . . . . . . . . . . . . . . . . . . . . 160 12.2.2.5 增加图例. . . . . . . . . . . . . . . . . . . . . . . . . . . . 161 12.2.3 多种线条属性. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 162 12.2.3.1 线条的类型. . . . . . . . . . . . . . . . . . . . . . . . . . . 162 12.2.3.2 图形的颜色. . . . . . . . . . . . . . . . . . . . . . . . . . . 163 12.2.3.3 点的形状类型. . . . . . . . . . . . . . . . . . . . . . . . . . 164 12.2.3.4 线条宽度. . . . . . . . . . . . . . . . . . . . . . . . . . . . 166 12.3 常见图形的绘制. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 167 12.3.1 柱状图（Bar charts） . . . . . . . . . . . . . . . . . . . . . . . . . . 167 12.3.2 直方图. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 170 12.3.3 饼图. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 172 12.3.4 箱线图. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 172 12.4 Figure、Axes 对象与多图绘制. . . . . . . . . . . . . . . . . . . . . . . . . . 173 12.4.1 Figure、Axes 对象. . . . . . . . . . . . . . . . . . . . . . . . . . . . 174 12.4.2 多图绘制. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 176 12.4.2.1 多个子图绘制. . . . . . . . . . . . . . . . . . . . . . . . . . 176 12.4.2.2 一个图中多条曲线绘制. . . . . . . . . . . . . . . . . . . . 178 2 部分统计学基础 180 13 章描述性统计 181 13.1 数据类型. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 182 13.2 图表. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 182 13.2.1 频数分布表. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 182 13.2.2 直方图. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 183 13.3 数据的位置. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 184 13.4 数据的离散度. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 186 14 章随机变量简介 190 14.1 概率与概率分布. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 190 14.1.1 离散型随机变量. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 190 14.1.2 连续型随机变量. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 192 14.2 期望值与方差. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 193 14.3 二项分布. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 194 14.4 正态分布. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 197 14.5 其他连续分布. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 199 14.5.1 卡方分布. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 199 14.5.2 t 分布. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 199 14.5.3 F 分布. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 200 14.6 变量的关系. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 202 14.6.1 联合概率分布. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 202 14.6.2 变量的独立性. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 203 14.6.3 变量的相关性. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 203 14.6.4 上证综指与深证综指的相关性分析. . . . . . . . . . . . . . . . . . . 205 15 章推断统计 208 15.1 参数估计. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 208 15.1.1 点估计. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 209 15.1.2 区间估计. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 209 15.2 案例分析. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 212 15.3 假设检验. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 213 15.3.1 两类错误. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 214 15.3.2 显著性水平与p 值. . . . . . . . . . . . . . . . . . . . . . . . . . . . 215 15.3.3 确定小概率事件. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 215 15.4 t 检验. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 216 15.4.1 单样本t 检验. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 216 15.4.2 独立样本t 检验. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 217 15.4.3 配对样本t 统计量的构造. . . . . . . . . . . . . . . . . . . . . . . . 218 16 章方差分析 221 16.1 方差分析之思想. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 221 16.2 方差分析之原理. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 222 16.2.1 离差平方和. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 223 16.2.2 自由度. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 224 16.2.3 显著性检验. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 225 16.3 方差分析之Python 实现. . . . . . . . . . . . . . . . . . . . . . . . . . . . . 226 16.3.1 单因素方差分析. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 227 16.3.2 多因素方差分析. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 228 16.3.3 析因方差分析. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 228 17 章回归分析 231 17.1 一元线性回归模型. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 231 17.1.1 一元线性回归模型. . . . . . . . . . . . . . . . . . . . . . . . . . . . 231 17.1.2 小平方法. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 232 17.2 模型拟合度. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 233 17.3 古典假设条件下^_、^ _ 之统计性质. . . . . . . . . . . . . . . . . . . . . . . . 234 17.4 显著性检验. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 235 17.5 上证综指与深证成指的回归分析与Python 实践. . . . . . . . . . . . . . . . 236 17.5.1 Python 拟合回归函数. . . . . . . . . . . . . . . . . . . . . . . . . . 236 17.5.2 绘制回归诊断图. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 238 17.6 多元线性回归模型. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 240 17.7 多元线性回归案例分析. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 241 17.7.1 价格水平对GDP 的影响. . . . . . . . . . . . . . . . . . . . . . . . . 241 17.7.2 考量自变量共线性因素的新模型. . . . . . . . . . . . . . . . . . . . . 243 3 部分金融理论、投资组合与量化选股246 18 章资产收益率和风险 247 18.1 单期与多期简单收益率. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 248 18.1.1 单期简单收益率. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 248 18.1.2 多期简单收益率. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 249 18.1.3 Python 函数计算简单收益率. . . . . . . . . . . . . . . . . . . . . . . 252 18.1.4 单期与多期简单收益率的关系. . . . . . . . . . . . . . . . . . . . . . 252 18.1.5 年化收益率. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 254 18.1.6 考虑股利分红的简单收益率. . . . . . . . . . . . . . . . . . . . . . . 256 18.2 连续复利收益率. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 259 18.2.1 多期连续复利收益率. . . . . . . . . . . . . . . . . . . . . . . . . . . 260 18.2.2 单期与多期连续复利收益率的关系. . . . . . . . . . . . . . . . . . . 262 18.3 绘制收益图. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 263 18.4 资产风险的来源. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 264 18.4.1 市场风险. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 264 18.4.2 利率风险. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 264 18.4.3 汇率风险. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 265 18.4.4 流动性风险. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 265 18.4.5 信用风险. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 265 18.4.6 通货膨胀风险. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 266 18.4.7 营运风险. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 266 18.5 资产风险的测度. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 266 18.5.1 方差. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 266 18.5.2 下行风险. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 268 18.5.3 风险价值. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 269 18.5.4 期望亏空. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 271 18.5.5 大回撤. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 271 19 章投资组合理论及其拓展 276 19.1 投资组合的收益率与风险. . . . . . . . . . . . . . . . . . . . . . . . . . . . 276 19.2 Markowitz 均值-方差模型. . . . . . . . . . . . . . . . . . . . . . . . . . . . 280 19.3 Markowitz 模型之Python 实现. . . . . . . . . . . . . . . . . . . . . . . . . 285 19.4 Black-Litterman 模型. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 289 20 章资本资产定价模型（CAPM） 298 20.1 资本资产定价模型的核心思想. . . . . . . . . . . . . . . . . . . . . . . . . . 298 20.2 CAPM 模型的应用. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 299 20.3 Python 计算单资产CAPM 实例. . . . . . . . . . . . . . . . . . . . . . . . . 301 20.4 CAPM 模型的评价. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 305 21 章Fama-French 三因子模型 308 21.1 Fama-French 三因子模型的基本思想. . . . . . . . . . . . . . . . . . . . . . 308 21.2 三因子模型之Python 实现. . . . . . . . . . . . . . . . . . . . . . . . . . . . 310 21.3 三因子模型的评价. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 315 4 部分时间序列简介与配对交易 317 22 章时间序列基本概念 318 22.1 认识时间序列. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 318 22.2 Python 中的时间序列数据. . . . . . . . . . . . . . . . . . . . . . . . . . . . 320 22.3 选取特定日期的时间序列数据. . . . . . . . . . . . . . . . . . . . . . . . . . 321 22.4 时间序列数据描述性统计. . . . . . . . . . . . . . . . . . . . . . . . . . . . 323 23 章时间序列的基本性质 326 23.1 自相关性. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 326 23.1.1 自协方差. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 327 23.1.2 自相关系数. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 327 23.1.3 偏自相关系数. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 327 23.1.4 acf( ) 函数与pacf( ) 函数. . . . . . . . . . . . . . . . . . . . . . . . . 328 23.1.5 上证综指的收益率指数的自相关性判断. . . . . . . . . . . . . . . . . 328 23.2 平稳性. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 331 23.2.1 强平稳. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 331 23.2.2 弱平稳. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 332 23.2.3 强平稳与弱平稳的区别. . . . . . . . . . . . . . . . . . . . . . . . . . 332 23.3 上证综指的平稳性检验. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 333 23.3.1 观察时间序列图. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 333 23.3.2 观察序列的自相关图和偏自相关图. . . . . . . . . . . . . . . . . . . 333 23.3.3 单位根检验. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 336 23.4 白噪声. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 340 23.4.1 白噪声. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 340 23.4.2 白噪声检验——Ljung-Box 检验. . . . . . . . . . . . . . . . . . . . . 341 23.4.3 上证综合指数的白噪声检验. . . . . . . . . . . . . . . . . . . . . . . 343 24 章时间序列预测 345 24.1 移动平均预测. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 345 24.1.1 简单移动平均. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 345 24.1.2 加权移动平均. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 346 24.1.3 指数加权移动平均. . . . . . . . . . . . . . . . . . . . . . . . . . . . 346 24.2 ARMA 模型预测. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 347 24.2.1 自回归模型. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 348 24.2.2 移动平均模型. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 350 24.3 自回归移动平均模型. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 350 24.4 ARMA 模型的建模过程. . . . . . . . . . . . . . . . . . . . . . . . . . . . . 351 24.5 CPI 数据的ARMA 短期预测. . . . . . . . . . . . . . . . . . . . . . . . . . 351 24.5.1 序列识别. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 351 24.5.2 模型识别与估计. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 354 24.5.3 模型诊断. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 356 24.5.4 运用模型进行预测. . . . . . . . . . . . . . . . . . . . . . . . . . . . 359 24.6 股票收益率的平稳时间序列建模. . . . . . . . . . . . . . . . . . . . . . . . . 359 25 章GARCH 模型 364 25.1 资产收益率的波动率与ARCH 效应. . . . . . . . . . . . . . . . . . . . . . . 364 25.2 ARCH 模型和GARCH 模型. . . . . . . . . . . . . . . . . . . . . . . . . . 365 25.2.1 ARCH 模型. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 365 25.2.2 GARCH 模型. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 366 25.3 ARCH 效应检验. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 368 25.4 GARCH 模型构建. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 370 26 章配对交易策略 372 26.1 什么是配对交易. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 372 26.2 配对交易的思想. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 373 26.3 配对交易的步骤. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 374 26.3.1 股票对的选择. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 374 26.3.2 配对交易策略的制定. . . . . . . . . . . . . . . . . . . . . . . . . . . 383 26.4 构建PairTrading 类. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 387 26.5 Python 实测配对交易交易策略. . . . . . . . . . . . . . . . . . . . . . . . . 391 5 部分技术指标与量化投资399 27 章K 线图 400 27.1 K 线图简介. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 400 27.2 Python 绘制上证综指K 线图. . . . . . . . . . . . . . . . . . . . . . . . . . 403 27.3 Python 捕捉K 线图的形态. . . . . . . . . . . . . . . . . . . . . . . . . . . . 405 27.3.1 Python 捕捉“早晨之星” . . . . . . . . . . . . . . . . . . . . . . . . 406 27.3.2 Python 语言捕捉“乌云盖顶”形态. . .

探索数据驱动的投资世界：算法交易、策略开发与实盘应用 在瞬息万变的金融市场中，凭借直觉和经验进行投资早已显得力不从心。如今，数据正以前所未有的速度和广度重塑着投资的格局。那些能够深度挖掘数据、构建量化模型、并将其转化为盈利策略的投资者，正逐渐成为市场的主导力量。 本书旨在为你揭示数据驱动投资的奥秘，带领你踏入一个充满机遇与挑战的量化投资领域。我们将从基础概念入手，逐步深入到复杂的模型构建、策略开发以及最终的实盘应用，让你能够系统地掌握量化投资的核心技能。无论你是金融行业的从业者，希望提升自己的专业能力；还是对投资充满热情，渴望掌握更科学的投资方法；抑或是程序员出身，希望将编程技术应用于金融领域，本书都将为你提供一条清晰的学习路径。 第一部分：量化投资的基石——理论与实践的融合 我们将从量化投资的起源与发展讲起，理解其核心理念——通过数学、统计学和计算机科学的方法来分析市场、寻找交易机会。你将了解到，量化投资并非神秘莫测的“黑箱”，而是建立在一系列严谨的理论基础之上，例如： 金融市场微观结构： 深入剖析订单簿、价差、流动性等关键要素，理解它们如何影响资产价格的波动，为量化交易的执行提供理论支撑。 统计套利与配对交易： 学习如何识别和利用资产之间的统计关系，通过建立多头空头组合来对冲市场风险，捕捉短期套利机会。 资产定价模型： 掌握如CAPM（资本资产定价模型）、Fama-French三因子模型等经典模型，理解它们如何解释资产的风险与收益关系，为投资组合的构建和风险管理提供理论指导。 投资组合优化： 学习如何运用均值-方差模型、Black-Litterman模型等工具，在风险可控的前提下，最大化投资组合的预期收益，实现资产的有效配置。 风险管理： 深入探讨VaR（在险价值）、CVaR（条件在险价值）等风险度量指标，以及止损、止盈、仓位管理等实用的风险控制技术，确保投资的稳健性。 在本部分，我们也将结合实际案例，展示量化投资在不同市场（股票、期货、外汇、加密货币等）的应用。你将看到，量化策略如何帮助投资者在复杂多变的市场环境中做出更理性的决策，规避情绪化交易带来的损失。 第二部分：Python——量化投资的强大引擎 作为当今最流行、最强大的编程语言之一，Python以其简洁易读的语法、丰富的科学计算库和活跃的社区生态，成为了量化投资领域的首选工具。本书将带领你逐步掌握使用Python进行量化投资所需的各项技能： Python基础回顾与进阶： 即使你已有一定的Python基础，我们也会回顾核心概念，并深入讲解数据类型、控制流、函数、面向对象编程等，确保你能够熟练运用Python进行复杂的数据处理和算法实现。 数据科学核心库： NumPy： 掌握其强大的多维数组对象和数学函数，进行高效的数值计算，为金融数据处理奠定基础。 Pandas： 学习其强大的数据结构（Series和DataFrame），以及数据读取、清洗、转换、合并、分组、聚合等一系列数据处理功能，这是量化分析的基石。 Matplotlib与Seaborn： 学习如何利用这两个库绘制各种金融图表，直观地展示数据特征、模型表现和策略回测结果，帮助你更好地理解数据和模型。 金融数据获取与处理： API接口： 学习如何通过各种金融数据API（例如：Tushare、AkShare、Yahoo Finance等）获取历史行情数据、财务数据、宏观经济数据等，构建你的专属金融数据库。 数据清洗与预处理： 掌握处理缺失值、异常值、数据对齐、频率转换等常见数据问题的技巧，确保数据的质量，避免因数据问题导致模型失效。 统计分析与机器学习基础： SciPy： 学习其在科学计算、优化、统计和信号处理等方面的强大功能，应用于金融数据的统计分析。 Statsmodels： 深入学习其在统计建模、计量经济学和时间序列分析方面的应用，构建和检验统计模型。 Scikit-learn： 掌握其在机器学习领域的广泛应用，包括分类、回归、聚类、降维等算法，为构建预测模型和交易信号提供工具。 我们将通过大量的代码示例，让你在实践中学习和巩固这些知识。你将亲手编写代码，完成数据获取、清洗、可视化以及初步的统计分析，为后续的策略开发打下坚实的基础。 第三部分：量化交易策略的开发与回测 掌握了Python及其相关库后，我们将进入量化投资的核心环节——策略的开发与回测。这一部分将是你将理论知识转化为实际交易能力的关键： 技术指标分析： 动量指标： RSI、MACD、KDJ等，学习如何理解和计算这些指标，并将其应用于构建趋势跟踪和超买超卖策略。 波动率指标： Bollinger Bands、ATR等，学习如何利用它们来衡量市场波动性，并构建基于波动率的交易策略。 成交量指标： OBV、Volume Profile等，理解成交量在市场中的作用，并开发相应的交易信号。 因子投资： 价值因子、成长因子、动量因子、低波动因子等： 学习如何构建和使用这些经典的投资因子，并开发基于因子暴露的投资组合。 多因子模型： 探索如何将多个因子组合起来，构建更具鲁棒性的量化策略。 机器学习在策略开发中的应用： 监督学习： 利用回归模型预测股票价格，利用分类模型预测价格涨跌方向。 无监督学习： 应用聚类算法发现相似的股票，应用降维技术提取市场关键特征。 深度学习（初步）： 介绍循环神经网络（RNN）、长短期记忆网络（LSTM）等在时间序列预测中的应用潜力。 策略回测框架的构建与使用： 回测引擎的设计理念： 理解回测的原理，包括数据加载、信号生成、交易模拟、佣金与滑点处理等。 实用的回测库： 学习使用诸如`Backtrader`、`PyAlgoTrade`等成熟的回测框架，快速搭建和运行你的交易策略。 回测指标的解读： 深入理解夏普比率、最大回撤、年化收益率、卡玛比率等关键回测指标，科学地评估策略的优劣。 过拟合的识别与规避： 学习各种避免策略过拟合的方法，确保回测结果的可靠性，避免在实盘中遭遇“滑铁卢”。 你将亲手设计、实现并回测多种经典的量化交易策略，例如：均线交叉策略、MACD背离策略、布林带突破策略、因子轮动策略等。通过对回测结果的分析，你将学会如何优化策略参数，提升策略的表现，并对策略的风险有深刻的认识。 第四部分：从模拟到实盘——量化交易的落地 经过充分的回测和优化，你将准备好将你的量化交易策略推向实盘。这一部分将聚焦于实盘交易的挑战与实践： 交易接口与委托执行： 券商API： 学习如何对接主流券商提供的交易API，实现策略自动下单、撤单、查询等功能。 订单类型： 理解市价单、限价单、止损单等不同订单类型的特性，并学习如何在不同市场环境下选择合适的订单类型。 高频交易的初步探讨： 简要介绍高频交易的基本概念、技术要求和面临的挑战，让你对这一前沿领域有所了解。 实盘交易的风险控制： 实时监控： 学习如何设计和实现交易系统的实时监控机制，包括资金状况、持仓情况、策略运行状态等。 异常处理与应急预案： 制定应对突发情况（如网络中断、API故障、价格剧烈波动等）的应急预案，确保交易系统的稳定运行。 持续的策略优化与调整： 理解市场环境的不断变化，学习如何定期评估策略表现，并根据实际情况对策略进行必要的调整或迭代。 交易心理与纪律： 克服情绪影响： 量化交易的核心在于理性，但人的心理在实盘中仍会受到影响。我们将探讨如何保持纪律，严格执行交易计划，避免贪婪与恐惧。 复盘与总结： 强调定期复盘交易日志、分析盈亏原因的重要性，从中学习经验教训，不断进步。 搭建自己的量化交易系统（基础）： 从简单开始： 逐步指导你如何将策略代码、数据获取模块、交易执行模块整合起来，构建一个基本的量化交易系统。 部署与运行： 了解如何在本地服务器或云服务器上部署你的交易系统，并实现自动化运行。 我们将通过详细的步骤和代码示例，帮助你构建一个能够进行自动化交易的系统。你将学习如何处理实盘交易中的各种细节，以及如何建立一套科学的交易流程，以应对真实市场的复杂性。 本书的特色与价值： 理论与实践的紧密结合： 我们不仅会讲解量化投资的理论知识，更注重如何将其转化为实际的代码实现和交易策略。 以Python为核心工具： 充分利用Python强大的生态系统，让你在掌握量化投资方法的同时，也能精通数据科学和编程技术。 循序渐进的学习路径： 从基础概念到高级应用，层层递进，确保不同背景的学习者都能理解和掌握。 丰富的代码示例与案例分析： 大量的代码片段和真实的交易案例，帮助你快速上手，理解知识点。 前瞻性的视野： 涵盖了当前量化投资领域的热点和发展趋势，为你未来的学习和发展提供方向。 通过本书的学习，你将能够： 建立科学的投资理念： 摆脱主观臆断，以数据为驱动，做出理性的投资决策。 掌握核心的量化工具： 熟练运用Python及其相关库，进行金融数据的分析和建模。 开发自己的交易策略： 能够独立设计、实现并回测各种量化交易策略。 理解实盘交易的挑战： 掌握自动化交易系统的构建和风险管理的关键技术。 开启量化投资的职业生涯： 为你在量化分析师、交易员、对冲基金等金融领域的发展奠定坚实的基础。 量化投资的时代已经到来，掌握数据驱动的投资方法，将是你在这个时代立于不败之地的关键。本书将是你探索这个激动人心的领域的最佳起点。让我们一起，用代码和数据，在金融市场中乘风破浪！

评分☆☆☆☆☆

收到书的时候，我首先被《量化投资：以Python为工具》的厚度给震撼了一下，感觉内容肯定非常扎实。阅读体验嘛，一开始我抱着学习怎么用Python炒股的心态，但翻开之后发现，这本书的视野比我想象的要更广阔。它不仅仅是讲如何用Python写交易程序，更多的是在探讨量化投资背后的思维方式和方法论。比如，书中对不同类型投资策略的分类和解读，对我理解市场的运作逻辑很有帮助。它并没有直接给出“赚钱秘籍”，而是教会我如何去思考一个交易策略的可行性，如何去评估它的优劣。而且，书中穿插的案例分析，让我看到了理论知识是如何在实际市场中应用的，这些例子很有启发性。当然，里面涉及到一些数学和统计的知识，对于我这样非科班出身的读者来说，需要多花点时间去理解，但感觉这种深入的讲解，才能真正打下坚实的基础，而不是停留在浅尝辄止的层面。

评分☆☆☆☆☆

这套书，我刚入手不久，还在慢慢啃。说实话，最吸引我的是“包邮”这两个字，谁让咱是精打细算的普通读者呢！不过，拿到手之后，翻开来看，就觉得这不单单是“捡漏”了。尤其是《Python与量化投资：从基础到实战》这本书，感觉它真的把量化投资这个听起来高大上的东西，一点一点地拆解开来。我之前对量化投资了解不多，只觉得是那些金融大佬玩的游戏，但这本书从Python的基础语法开始讲起，一步步带你接触数据分析、图表绘制，然后才涉及到一些量化投资的核心概念，比如策略的回测、风险的评估等等。我个人对编程一窍不通，但跟着书中的例子，敲敲代码，看看输出，真的能体会到那种“原来如此”的感觉。它没有上来就甩一堆复杂的公式和模型，而是循序渐进，就像带一个完全不懂的小白入门一样，这点我很赞赏。虽然书中的实战部分，我还只是处于模仿阶段，但已经能感受到它在引导读者构建自己的交易逻辑和系统。

评分☆☆☆☆☆

刚拿到这套书，我最先关注的是《Python与量化投资：从基础到实战》的部分。我之前对量化投资一直很感兴趣，但又觉得门槛很高，不知道从何下手。这本书就完美解决了我的痛点。它从最基础的Python编程讲起，一步步引导我学习如何使用Python来处理和分析金融数据。我印象特别深刻的是书中关于数据可视化的一部分，通过清晰的图表，我能直观地看到数据之间的关系，这对于理解市场趋势和发现投资机会非常有帮助。书中的案例也都非常贴近实际，我跟着书中的代码，自己动手实践，慢慢地就建立起了一套初步的量化分析思路。虽然我还没有完全掌握书中的所有内容，但已经能够感受到，这本书为我打开了量化投资的大门，让我不再觉得这个领域是遥不可及的。它是一本非常适合入门者的实践指南。

评分☆☆☆☆☆

拿到这套书，我最大的感受就是“干货十足”。《Python与量化投资：从基础到实战》这本书，我刚开始看的时候，就觉得它很接地气。它没有那些故弄玄虚的理论，而是实实在在地从Python的基本操作讲起，告诉你怎么用Python来处理金融数据。比如，书中关于数据清洗、特征工程的章节，对于我这种刚接触量化投资的人来说，简直是雪中送炭。我之前尝试过自己写一些简单的分析脚本，但总是觉得数据处理起来很麻烦，效率不高。这本书里提供的代码示例，很多可以直接拿来用，而且讲解得很透彻，让你明白每一行代码的作用。后面关于策略回测的部分，更是让我大开眼界，原来真的可以量化地去验证一个策略是否有效。我还没有完全实践完书中的所有例子，但已经能感受到，通过这本书，我离构建一个属于自己的量化交易系统又近了一步。

评分☆☆☆☆☆

这套书，尤其是《量化投资：以Python为工具》这一本，给我最直观的感受是它的系统性和深度。它不仅仅是将Python作为一种工具来介绍，而是将Python置于整个量化投资的体系中进行讲解。我之前对量化投资的认知比较零散，这本书就像一个优秀的向导，把我带入了一个更清晰的框架。它对量化投资的各个环节，从数据获取、清洗、因子构建，到策略开发、回测、风控，都进行了详细的论述。书中对一些经典量化模型的解释，虽然有些地方需要反复琢磨，但确实能让我理解这些模型背后的逻辑和适用场景。我特别喜欢书中那种严谨的学术探讨风格，虽然对于初学者来说，可能有些门槛，但长远来看，这种深度理解对于形成自己独立的投资思考至关重要。它教会我的，不是如何去“套用”别人的方法，而是如何去“理解”和“创造”。