量化交易之路

量化交易之路

用Python做股票量化分析

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。
7.751 评价豆瓣读书
免费试读

作品简介

本书从量化交易的正确性认识出发,以Python语言为基础,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和交易投资技巧,所有示例都基于量化交易及相关知识,体现了实战的特点。例如,在讲解机器学习技术在量化交易中的使用这部分内容时,并不需要读者有深厚的数学功底,而是偏重实际应用,讲解各种技术在量化交易领域的功用。本书共11章,分为4部分。第1部分讲解了量化交易的正确认识;第2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;第3部分讲解了量化交易系统的开发与使用、基础度量概念及优参数等问题;第4部分讲解了机器学习技术在量化交易中的实战应用。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的相关内容。

阿布,曾就职于奇虎360、百度互联网证券、百度金融等互联网型金融公司。有近10年的互联网金融技术从业经验。现作为自由职业者,从事个人量化交易及量化交易的培训工作。擅长中小资金星化交易系统的开发,并为中小型量化私募资金提供技术解决方案与支持。

作品目录

载入中

热门划线

  1. 1.期望在概率论和统计学中,期望是试验中每次可能结果的概率乘以其结果的总和,反映一组数据平均取值的大小,用于表示分布的中心位置。4 人
  2. ·任何以单下画线开头的名字都代表protect,如self._price_array、def_init_stock_dict(self);·任何以双下画线开头的名字都代表private,如self.__init_change(self);·以双下画线开头结尾的名字都代表系统保留定义,如__init__(self)、__str__(self)、__iter__(self)、__len__(self)。3 人
  3. 在Python金融数据量化中更建议的写法是使用列表推导式来完成2 人
  4. astype(int)将涨跌幅转换为int2 人
  5. maximum()与minimum()函数2 人
  6. np.unique()2 人
  7. Diff()执行的操作是前后两个临近数值进行减法运算。默认情况下axis=12 人
  8. 2.方差在概率论和统计学中,方差是衡量一组数据离散程度的度量,概率论中方差用来度量数据和其期望之间的离散程度,方差越大,说明数据越离散。2 人
  9. pdf()函数在统计学中称为概率密度函数,是指在某个确定的取值点附近的可能性的函数,将概率值分配给各个事件,得到事件的概率分布,让事件数值化2 人
  10. 大多数交易者的胜率非常高,但他们的账户最终都是亏损的,交易中最虚幻的就是胜率,但是大多数人追求的反而是胜率,不关注盈亏比等其他重要因素,量化交易的核心依然是交易,交易的基本法则依然适用2 人

喜欢这本书的人也喜欢