前言 随着Python的应用在业界已经排名第一，其统计分析的功能越来越丰富，量化投资工具箱也日渐成熟。与此同时，以Python量化投资为主题的图书也像雨后春笋般出现。虽然有大量的量化图书资料可供学习和参考，但仍存在以下两点不足。 第一，大篇幅Python知识性的介绍，忽视了量化投资才是主题。例如，大量图书重点描述了Pandas、Numpy和MatPlotLib库等模块与对应各种函数的用法，或者重点阐述量化投资过程中使用的某种特定平台或库，这些内容占据了图书50%的内容甚至更多，关于量化投资的内容却相对欠缺。 量化投资图书不仅应该围绕量化主题，而且应该围绕这些主题探讨解决之道。例如，在获取量化数据过程中，经常涉及某个源的数据是否准确的疑问。此时解决之道应该是如何从统计的角度判断数据的可靠性、大致有哪些统计方法、如何运用Python编程实现等。 第二，碎片化的量化投资知识，缺乏切实可行的系统性操作指南。虽然大量图书中介绍了一些可供操作的策略（如双均线择时策略、海龟交易策略和因子选股策略等），或者某些原理（如资本资产定价原理和套利定价原理等），但在实现过程中要么一带而过，要么完全依赖上述提到的特定平台或库。 对于量化投资者而言，不仅不需要依赖任何特定平台或库的知识，还需要系统性的量化方法与技巧，具体包括量化投资全过程，即数据源、数据的描述性统计和模型分析、基本面选股方法、技术面选股择时方法与投资组合构建等各方面的内容。 为弥补上述遗憾，笔者从自身近10年的量化投资经历出发，在已出版的《量化投资基础、方法与策略——R语言实战指南》一书基础上，把R语言升级到Python篇。之所以称为“升级”，不是单纯地把R语言用Python代替，而是随着笔者量化投资阅历不断丰富、教学经验总结和读者的反馈，进行了以下完善和优化。 第一，做相应的保留和删除，优化了章节内容。首先，根据读者的反馈，本书把…