Python量化投资:技术、模型与策略

Python量化投资:技术、模型与策略

理论与实践相结合,基于Python深入分析量化投资理论和策略,详解Python在量化投资分析中具体的应用案例

暂无评价综合评分的显示会考虑用户真实性等多项因素,每部作品出现综合评分的时间不定。
¥40.00¥24.00
电子书6折特价截止至:2024-06-20 00:00:00了解详情

作品简介

全书共18章,前11章主要讲解基础知识。第1章介绍了什么是量化投资,以及为什么要用Python。第2章介绍了如何搭建基础环境,介绍了常用的一些工具。第3章讲解python的基本应用和常用的库。第4章介绍python数据分析中常用的Numpy,Scipy,Pandas。第5章介绍数据分析的基础方法。第6章介绍数据的可视化,使用matplotlib库。第7章介绍基础的金融分析方法。第8章介绍技术分析和时序序列分析,从业界和学术界两种角度来进行分析。第9章介绍了投资组合理论和由此衍生出来的多因子模型。第10章介绍了金融市场中衍生品的分析,以期货和期权为主。第11章从利率开始,介绍了债券的分析方法。从第12章开始进入实战篇。第12章讲解中国金融市场,主要针对二级市场,并介绍了针对不同市场的基本投资策略。第13章介绍了,研究策略时,所需的数据来源,开源数据和商业数据库都有介绍。并且介绍目前比较流行的python的开源数据源。第14章介绍了如何建立数据库,并且讲解针对不同数据,如何设计数据库。第15章介绍了策略研究基本概念,方法论和流程。第16章介绍了进行自动化交易的接口,并且介绍了目前比较流行的开源项目vn.py。第17章介绍了如何使用python爬取网络上数据,并进行舆情分析。第18章介绍了人工智能的基本概念和算法,并且介绍了人工智能在量化投资中的应用。

赵志强,刘志伟编著

作品目录

  1. 推荐序一
  2. 推荐序二
  3. 推荐序三
  4. 前言
  5. 第1章 量化投资与Python简介
  6. 1.1 量化投资基本概念
  7. 1.2 量化投资的特征
  8. 1.3 量化投资的优势
  9. 1.4 量化、AI并不是一切
  10. 1.5 编程语言比较
  11. 1.6 为什么要使用Python
  12. 1.7 Python构建量化投资生产线
  13. 第2章 平台搭建和工具
  14. 2.1 需要考虑的问题
  15. 2.2 编程环境搭建流程
  16. 第3章 Python金融分析常用库介绍
  17. 3.1 NumPy
  18. 3.2 SciPy
  19. 3.3 Pandas
  20. 3.4 StatsModels
  21. 第4章 可视化分析
  22. 4.1 Matplotlib
  23. 4.2 seaborn
  24. 4.3 python-highcharts
  25. 第5章 统计基础
  26. 5.1 基本统计概念
  27. 5.2 连续随机变量分布
  28. 5.3 回归分析
  29. 第6章 数据预处理和初步探索
  30. 6.1 数据清理
  31. 6.2 描述性统计
  32. 6.3 描述性统计的可视化分析
  33. 第7章 Pandas进阶与实战
  34. 7.1 多重索引
  35. 7.2 数据周期变换
  36. 第8章 金融基础概念
  37. 8.1 收益率
  38. 8.2 对数收益率
  39. 8.3 年化收益
  40. 8.4 波动率
  41. 8.5 夏普比率
  42. 8.6 索提诺比率
  43. 8.7 阿尔法和贝塔
  44. 8.8 最大回撤
  45. 第9章 资产定价入门
  46. 9.1 利率
  47. 9.2 利率的计量
  48. 9.3 零息利率
  49. 9.4 债券定价
  50. 9.5 久期
  51. 9.6 期权
  52. 9.7 期权的描述
  53. 9.8 看涨期权和看跌期权
  54. 9.9 期权价格与股票价格的关系
  55. 9.10 影响期权价格的因素
  56. 第10章 金融时间序列分析
  57. 10.1 为什么用收益率而不是价格
  58. 10.2 金融时间序列定义
  59. 10.3 平稳性
  60. 10.4 白噪声序列
  61. 10.5 自相关系数
  62. 10.6 混成检验
  63. 10.7 AR(p)模型
  64. 10.8 信息准则
  65. 10.9 ARMA模型
  66. 10.10 ARCH和GARCH模型
  67. 第11章 数据源和数据库
  68. 11.1 数据来源
  69. 11.2 TuShare
  70. 11.3 pandas-reader
  71. 11.4 万得接口
  72. 第12章 CTA策略
  73. 12.1 趋势跟踪策略理论基础
  74. 12.2 技术指标
  75. 12.3 主力合约的换月问题
  76. 12.4 用Python实现复权
  77. 12.5 安装ta-lib
  78. 12.6 ta-lib的指标和函数介绍
  79. 12.7 可叠加指标
  80. 12.8 动量指标
  81. 12.9 成交量指标
  82. 12.10 波动率指标
  83. 12.11 价格变换
  84. 12.12 Pattern Recognition
  85. 12.13 一个简单策略模式
  86. 第13章 策略回测
  87. 13.1 回测系统是什么
  88. 13.2 各种回测系统简介
  89. 13.3 什么是回测
  90. 13.4 回测系统的种类
  91. 13.5 回测的陷阱
  92. 13.6 回测中的其他考量
  93. 13.7 回测系统概览
  94. 13.8 使用Python搭建回测系统
  95. 第14章 多因子风险模型
  96. 14.1 风险定义
  97. 14.2 资本资产定价模型
  98. 14.3 套利定价理论
  99. 14.4 多因子模型
  100. 14.5 多因子模型的优势
  101. 14.6 建立多因子模型的一般流程
  102. 14.7 行业因子
  103. 14.8 风险因子
  104. 14.9 基准组合
  105. 14.10 因子选择和测试
  106. 14.11 Fama-French三因子模型
  107. 14.12 因子发掘与论证
  108. 14.13 单因子有效性分析alphalens
  109. 14.14 财务因子为什么不好用
  110. 第15章 资金分配
  111. 15.1 现代/均值-方差资产组合理论
  112. 15.2 Black-Litterman资金分配模型
  113. 第16章 实盘交易和vn.py框架
  114. 16.1 交易平台简介
  115. 16.2 交易框架vn.py
  116. 16.3 vn.py的安装和配置
  117. 16.4 CTA策略模块分析
  118. 16.5 第一个入门策略
  119. 16.6 on_tick和on_bar
  120. 第17章 Python与Excel交互
  121. 17.1 Excel相关库简介
  122. 17.2 OpenPyxl基础
  123. 后记
载入中