简体网页||繁体网页

☆☆☆☆☆

王小川 著

图书标签:

• Python
• 量化投资
• 量化交易
• 机器学习
• 大数据
• 金融
• 投资
• 实战
• 入门
• Python编程

店铺： 书海寻梦图书专营店

出版社： 电子工业出版社

ISBN：9787121338571

商品编码：27378835117

基本信息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基础篇和量化投资篇：Python基础篇主要讲解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；量化投资篇在Python基础篇的基础上，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。

量化交易之路：用Python做股票量化分析

内容简介

量化交易之路：用Python做股票量化分析

定价：￥89.00

作者： 阿布   

出版社：机械工业出版社

ISBN：9787111575214

上架时间：2017-8-25

出版日期：2017 年8月

开本：16开

版次：1-1

所属分类：计算机

目录

前言 

第1部分 对量化交易的正确认识

第1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

1.3.1 避免短线频繁交易    4

1.3.2 避免逆势操作    5

1.3.3 避免重仓交易    5

1.3.4 避免对胜率的盲目追求    6

1.3.5 确保交易策略的执行    6

1.3.6 独立交易及对结果负责的信念    6

第3部分 量化交易的开发....................

量化投资：以Python为工具

内容简介

本书主要讲解量化投资的思想和策略，并借助Python 语言进行实战。本书一共分为5部分，第1部分是Python 入门，第2部分是统计学基础，第3部分是金融理论、投资组合与量化选股，第4部分是时间序列简介与配对交易，第5部分是技术指标与量化投资。本书先对Python 编程语言进行介绍，通过学习，读者可以迅速掌握用Python 语言处理数据的方法，并灵活运用Python 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和类型等方面；后讲述如何在Python语言中构建量化投资策略。

目       录

第1 部分Python 入门 1 
第1 章Python 简介与安装使用 2 
1．1 Python 概述
1．2 Python 的安装
1．2．1 下载安装Python 执行文件
1．2．2 下载安装Anaconda
1．2．3 多种Python 版本并存
1．3 Python 的简单使用 
1．4 交互对话环境IPython 
1．4．1 IPython 的安装
1．4．2 IPython 的使用
1．4．3 IPython 功能介绍 

第2 章Python 代码的编写与执行
2．1 创建Python 脚本文件
2．1．1 记事本
2．1．2 Python 默认的IDLE 环境
2．1．3 专门的程序编辑器
2．2 执行．py 文件
2．2．1 IDLE 环境自动执行
2．2．2 在控制台cmd 中执行
2．2．3 在Annaconda Prompt 中执行
2．3 Python 编程小技巧
2．3．1 Python 行
2．3．2 Python 缩进

第3 章Python 对象类型初探 23 
3．1 Python 对象
3．2 变量命名规则
3．3 数值类型
3．3．1 整数
3．3．2 浮点数
3．3．3 布尔类型
3．3．4 复数
3．4 字符串
3．5 列表
3．6 可变与不可变
3．7 元组
3．8 字典
3．9 集合

第4 章Python 集成开发环境：Spyder 介绍 36 
4．1 代码编辑器
4．2 代码执行Console
4．3 变量查看与编辑
4．4 当前工作路径与文件管理
4．5 帮助文档与在线帮助
4．6 其他功能

第5 章Python 运算符与使用 44 
5．1 常用运算符
5．1．1 算术运算符
5．1．2 赋值运算符
5．1．3 比较运算符
5．1．4 逻辑运算符
5．1．5 身份运算符
5．1．6 成员运算符 
5．1．7 运算符的优先级
5．2 具有运算功能的内置函数

第6 章Python 常用语句 55 
6．1 赋值语句
6．1．1 赋值含义与简单赋值
6．1．2 多重赋值
6．1．3 多元赋值
6．1．4 增强赋值
6．2 条件语句
6．3 循环语句 
6．3．1 for 循环
6．3．2 while 循环
6．3．3 嵌套循环
6．3．4 break、continue 等语句

第7 章函数 
7．1 函数的定义与调用
7．2 函数的参数 
7．3 匿名函数
7．4 作用域 

第8 章面向对象
8．1 类 
8．2 封装
8．3 继承（Inheritance）

第9 章Python 标准库与数据操作 
9．1 模块、包和库
9．1．1 模块
9．1．2 包
9．1．3 库
9．2 Python 标准库介绍
9．3 Python 内置数据类型与操作
9．3．1 序列类型数据操作
9．3．1．1 list 类型与操作
9．3．1．2 tuple 类型与操作
9．3．1．3 range 类型与操作
9．3．1．4 字符串操作
9．3．2 字典类型操作
9．3．3 集合操作...................

零起点Python大数据与量化交易

内容简介

本书是国内较早关于Python大数据与量化交易的原创图书，配合zwPython开发平台和zwQuant开源量化软件学习，是一套完整的大数据分析、量化交易的学习教材，可直接用于实盘交易。本书有三大特色：一，以实盘个案分析为主，全程配有Python代码；二，包含大量的图文案例和Python源码，无须编程基础，懂Excel即可开始学习；三，配有的zwPython集成开发平台、zwQuant量化软件和zwDat数据包。

本书内容源自笔者的原版教学课件，虽然限于篇幅和载体，省略了视频和部分环节，但核心内容都有保留，配套的近百套Python教学程序没有进行任何删减。考虑到广大入门读者的需求，笔者在各个核心函数环节增添了函数流程图。

目       录

第1章 从故事开始学量化 1

1.1 亿万富翁的“神奇公式” 2

1.1.1 案例1-1：亿万富翁的“神奇公式” 2

1.1.2 案例分析：Python图表 5

1.1.3 matplotlib绘图模块库 7

1.1.4 案例分析：style绘图风格 10

1.1.5 案例分析：colormap颜色表 12

1.1.6 案例分析：颜色表关键词 14

1.1.7 深入浅出 17

1.2 股市“一月效应” 18

1.2.1 案例1-2：股市“一月效应” 18

1.2.2 案例分析：“一月效应”计算 19

1.2.3 案例分析：“一月效应”图表分析 24

1.2.4 案例分析：颜色表效果图 26

1.2.5 “一月效应”全文注解版Python源码 27

1.2.6 大数据?宏分析 34

1.3 量化交易流程与概念 36

1.3.1 数据分析I2O流程 36

1.3.2 量化交易不是高频交易、自动交易 37

1.3.3 小资、小白、韭菜 38

1.3.4 与业余 38

1.4 用户运行环境配置 42

1.4.1 程序目录结构 43

1.4.2 金融股票数据包 44

1.5 Python实战操作技巧 46

1.5.1 模块检测 46

1.5.2 Spyder编辑器界面设置 47

1.5.3 代码配色技巧 48

1.5.4 图像显示配置 50

1.5.5 Python2、Python 3双版本双开模式 51

1.5.6 单版本双开、多开模式 52

1.5.7 实战胜于 54

1.6 量化、中医与西医 54

第2章 常用量化技术指标与框架 56

2.1 案例2-1：SMA均线策略 56

2.1.1 案例要点与事件编程 58

2.1.2 量化程序结构 61

2.1.3 main程序主入口 61

2.1.4 KISS法则 63

2.2 Python量化框架 64

2.2.1 量化行业关键词 64

2.2.2 国外主流Python量化网站 65

2.2.3 我国主流Python量化网站 67

2.2.4 主流Python量化框架 70

2.3 常用量化软件包 78

2.3.1 常用量化软件包简介 79

2.3.2 案例2-2：模块库列表 80

2.4 常用量化技术指标 82

2.4.1 TA-Lib金融软件包 83

2.4.2 案例2-3：MA均线函数调用 84

2.4.3 TA-Lib函数调用 86

2.4.4 量化分析常用指标 88

2.5 经典量化策略 90

2.5.1 阿尔法（Alpha）策略 90

2.5.2 Beta策略 92

2.5.3 海龟交易法则 93

2.5.4 ETF套利策略 95

2.6 常用量化策略 95

2.6.1 动量交易策略 96

2.6.2 均值回归策略 97

2.6.3 其他常用量化策略 98

2.7 起点与终点 100

第3章 金融数据采集整理 101

3.1 常用数据源API与模块库 102

3.1.1 大数据综合API 102

3.1.2 财经数据API 103

3.1.3 数据模块库 104

3.2 案例3-1：zwDatX数据类 104

3.3 美股数据源模块库 108

3.4 开源文档库Read the Docs 109

3.5 案例3-2：下载美股数据 110

3.6 财经数据源模块库TuShare 113

3.6.1 沪深股票列表 115

3.6.2 案例3-3：下载股票代码数据 116

3.6.3 CSV文件处理 119

3.7 历史数据 121

3.7.1 历史行情 121

3.7.2 案例3-4：下载近期股票数据 124

3.7.3 历史复权数据 130

3.7.4 案例3-5：下载历史复权数据 131

3.8 其他交易数据 134

3.9 zwDat大股票数据源与数据更新 143

3.9.1 案例3-6：A股基本概况数据下载 144

3.9.2 案例3-7：A股交易数据下载 146

3.9.3 案例3-8：A股指数行情数据下载 150

3.9.4 案例3-9：美股交易数据下载 151

3.10 数据归一化处理 153

3.10.1 中美股票数据格式差异 153

3.10.2 案例3-10：数据格式转化 154

3.10.3 案例3-11：A股策略PAT实盘分析 156

3.10.4 案例3-12：数据归一化 158

3.11 为有源头活水来 160

第4章 PAT案例汇编 162

4.1 投资组合与回报率 163

4.1.1 案例4-1：下载多组美股数据 163

4.1.2 案例4-2：投资组合收益计算 165

4.2 SMA均线策略 168

4.2.1 SMA简单移动平均线 168

4.2.2 案例4-3：原版SMA均线策略 169

4.2.3 案例4-4：增强版SMA均线策略 173

4.2.4 案例4-5：A股版SMA均线策略 174

4.3 均线交叉策略 175

4.3.1 案例4-6：均线交叉策略 176

4.3.2 案例4-7：A股版均线交叉策略 178

4.4 VWAP动量策略 181

4.4.1 案例4-8：VWAP动量策略 182

4.4.2 案例4-9：A股版VWAP动量策略 183

4.5 布林带策略 183

4.5.1 案例4-10：布林带策略 185

4.5.2 案例4-11：A股版布林带策略 186

4.6 RSI2策略 188

4.6.1 案例4-12：RSI2策略 190

4.6.2 案例4-13：A股版RSI2策略 190

4.7 案例与传承 194

第5章 zwQuant整体架构 196

5.1 发布前言 196

5.2 功能简介 197

5.2.1 目录结构 197

5.2.2 安装与更新 198

5.2.3 模块说明 199

5.2.4 zwSys模块：变量与类定义 200

5.2.5 zwTools模块：常用（非量化）工具函数 201

5.2.6 zwQTBox：常用“量化”工具函数集 201

5.2.7 zwQTDraw.py：量化绘图工具函数 203

5.2.8 zwBacktest：回溯测试工具函数 203

5.2.9 zwStrategy：策略工具函数 203

5.2.10 zw_TA-Lib：金融函数模块 204

5.3 示例程序 207

5.4 常用量化分析参数 208

5.5 回溯案例：对标测试 209

5.5.1 对标测试1：投资回报参数 209

5.5.2 对标测试2：VWAP策略 211

5.6 回报参数计算 214

5.7 主体框架 220

5.7.1 stkLib内存数据库 220

5.7.2 Bars数据包 221

5.7.3 案例：内存数据库＆数据包 222

5.7.4 qxLib、xtrdLib 227

5.7.5 案例5-1：qxLib数据 228

5.7.6 量化的价格体系 230

5.7.7 数据预处理 231

5.7.8 绘图模板 234

5.8 新的起点 236

第6章 模块详解与实盘数据 237

6.1 回溯流程 238

6.1.1 案例6-1：投资回报率 238

6.1.2 代码构成 242

6.1.3 运行总流程 243

6.2 运行流程详解 244

6.2.1 设置股票数据源 244

6.2.2 设置策略参数 247

6.2.3 dataPre数据预处理 249

6.2.4 绑定策略函数 253

6.2.5 回溯测试：zwBackTest 253

6.2.6 输出回溯结果数据、图表 258

6.3 零点策略 260

6.3.1 mul多个时间点的交易＆数据 263

6.3.2 案例6-2：多个时间点交易 264

6.4 不同数据源与格式修改 270

6.4.1 案例6-3：数据源修改 272

6.4.2 数据源格式修改 274

6.5 金融数据包与实盘数据更新 275

6.5.1 大盘指数文件升级 276

6.5.2 实盘数据更新 277

6.5.3 案例6-4：A股实盘数据更新 277

6.5.4 案例6-5：大盘指数更新 279

6.6 稳定 281

第7章 量化策略库 282

7.1 量化策略库简介 282

7.1.1 量化的三代目 283

7.1.2 通用数据预处理函数 283

7.2 SMA均线策略 286

7.2.1 案例7-1：SMA均线策略 286

7.2.2 实盘下单时机与 289

7.2.3 案例7-2：实盘SMA均线策略 290

7.3 CMA均线交叉策略 294

7.3.1 案例7-3：均线交叉策略 294

7.3.2 对标测试误差分析 296

7.3.3 案例7-4：CMA均线交叉策略修改版 299

7.3.4 人工优化参数 300

7.4 VWAP策略 301

7.4.1 案例7-5：VWAP策略 301

7.4.2 案例7-6：实盘VWAP策略 303

7.5 BBands布林带策略 304

7.5.1 案例7-7：BBands布林带策略 305

7.5.2 案例7-8：实盘BBands布林带策略 306

7.6 大道至简1 1 307................

零起点Python机器学习快速入门

内容简介本书采用的黑箱模式，MBA案例教学机制，结合一线实战案例，介绍Sklearn人工智能模块库和常用的机器学习算法。书中配备大量图表说明，没有枯燥的数学公式，普通读者，只要懂Word、Excel，就能够轻松阅读全书，并学习使用书中的知识，分析大数据。本书具有以下特色：的黑箱教学模式，全书无任何抽象理论和深奥的数学公式。次化融合Sklearn人工智能软件和Pandas数据分析软件，不用再直接使用复杂的Numpy数学矩阵模块。化的Sklearn函数和API中文文档，可作为案头工具书随时查阅。基于Sklearn+Pandas模式，无须任何理论基础，全程采用MBA案例模式，懂Excel就可看懂。

目       录

第 1 章 从阿尔法狗开始说起1
1．1 阿尔法狗的前世今生．．．．．．．1
1．2 机器学习是什么．．．．．2
1．3 机器学习大史记．．．．．3
1．4 机器学习经典案例．．．．．．．．． 11

第 2 章 开发环境．．．．．．13
2．1 数据分析 Python．．．．．13
2．2 用户运行平台．．．．．．．18
2．3 程序目录结构．．．．．．．19
2．4 Spyder 编辑器界面设置．20
2．5 Python 命令行模式．．．．．．．．．26
2．6 Notebook 模式．．．．．．27
2．7 模块库控制面板．．．29
2．8 使用 pip 更新模块库．．．．．．33

第 3 章 Python 入门案例．．．．39
3．1 案例 3-1：次编程“hello，ziwang” ．．．．39
3．2 案例 3-2：增强版“hello，ziwang” ．．42
3．3 案例 3-3：列举模块库清单．．．．．．．44
3．4 案例 3-4：常用绘图风格．．．．．．．．．45
3．5 案例 3-5：Pandas 常用绘图风格．．．．．．．47
3．6 案例 3-6：常用颜色表 cors．．．．．49
3．7 案例源码．．．．．50

第 4 章 Python 基本语法．．．．58
4．1 数据类型．．．．．58
案例 4-1：基本运算．．．．．．．59
4．2 字符串．．．．．．．．．61
案例 4-2：字符串入门．．．61
案例 4-3：字符串常用方法．．．．．63
4．3 List 列表．．．．．．64
案例 4-4：列表操作．．．．．．．65
4．4 Tuple 元组．．．66
案例 4-5：元组操作．．．．．．．67
4．5 Dictionary 字典．．．．．68
案例 4-6：字典操作．．．．．．．68
4．6 数据类型转换．．．．．．．70
案例 4-7：控制语句．．．．．．．71
案例 4-8：函数定义．．．．．．．73
4．7 案例源码．．．．．75

第 5 章 Python 人工智能入门与实践．．．．．．85
5．1 从忘却开始．85
5．2 Iris 经典爱丽丝．．．．．89
案例 5-1：Iris 爱丽丝 ．．．．90
案例 5-2：爱丽丝进化与文本矢量化．．．．．．．．．92
5．3 AI 操作流程95
5．4 数据切割函数．．．．．．．98
案例 5-3：Iris 爱丽丝分解 ．．．．．．99
案例 5-4：线性回归算法．．．．．．．103
5．5 案例源码．．．109

第 6 章 机器学习经典算法案例（上） ． 116
6．1 线性回归．．． 116
6．2 逻辑回归算法．．．．．124
案例 6-1：逻辑回归算法．．．．．．．125
6．3 朴素贝叶斯算法．127
案例 6-2：贝叶斯算法．129
6．4 KNN 近邻算法 ．．．130
案例 6-3：KNN 近邻算法．．．．．133
6．5 随机森林算法．．．．．135
案例 6-4：随机森林算法．．．．．．．139
6．6 案例源码．．．140

第 7 章 机器学习经典算法案例（下） ．149
7．1 决策树算法．．．．．．．．．149
案例 7-1：决策树算法．151
7．2 GBDT 迭代决策树算法．．．．．．．．．153
案例 7-2：GBDT 迭代决策树算法．154
7．3 SVM 向量机 ．．．．．．．156
案例 7-3：SVM 向量机算法．157
7．4 SVM-cross 向量机交叉算法．．159
案例 7-4：SVM-cross 向量机交叉算法．．．．160
7．5 神经网络算法．．．．．161
案例 7-5：MLP 神经网络算法．．．．．．．．165
案例 7-6：MLP_reg 神经网络回归算法．．．168
7．6 案例源码．．．170

第 8 章 机器学习组合算法 ．．．．．．．．．183
8．1 CCPP 数据集．．．．．．183
案例 8-1：CCPP 数据集．．．．．．．．184
案例 8-2：CCPP 数据切割．．．．186
案例 8-3：读取 CCPP 数据集．．．．．．．．．189
8．2 机器学习统一接口函数．．．．．．．．．192
案例 8-4：机器学习统一接口．．．．．．．．．193
案例 8-5：批量调用机器学习算法．201
案例 8-6：一体化调用．205
8．3 模型预制与保存．208
案例 8-7：储存算法模型．．．．．．．210
案例 8-8：批量储存算法模型．．．．．．．．．213
案例 8-9：批量加载算法模型．．．．．．．．．215
案例 8-10：机器学习组合算法．．．．．．．219
8．4 案例源码．．．224................

评分☆☆☆☆☆

评分☆☆☆☆☆

评分☆☆☆☆☆

评分☆☆☆☆☆

评分☆☆☆☆☆

评分☆☆☆☆☆

评分☆☆☆☆☆

评分☆☆☆☆☆

评分☆☆☆☆☆