9787000010186

9787302517634+9787121306594+9787111575214

Python量化交易实战

内容简介

在目前不断变化、蓬勃发展的中国资本市场，量化投资作为新兴的投资方法，引来越来越多的关注，使用量化投资技术的证券从业人员也越来越多。本书分为11章，内容包括Python环境的搭建、Python数据相关类库的使用、掘金量化终端的使用、Talib金融库的详解、多因子策略的介绍、带技术指标的多因子策略、中证红利指数增强策略、回归分析与TensorFlow、回归模型的经典应用、配对交易的魔力等。本书可作为量化投资技术初学者、证券从业人员、金融投资人员的自学用书，也可作为金融机构的培训用书，还可作为高等院校相关专业师生的教学参考书。

目录

第1章  走进量化投资 1

1.1  量化投资的诞生背景 1

1.2  量化投资的特点 3

1.3  量化投资的应用 5

1.4  量化投资在我国股市的发展前景 6

1.5  小结 6

第2章  Python的安装与使用 7

2.1  Python的基本安装和用法 7

2.1.1  Anaconda的下载与安装 8

2.1.2  Python编译器PyCharm的安装 11

2.1.3  使用Python计算softmax函数 14

2.2  Python常用类库中的threading 15

2.2.1  threading库的使用 16

2.2.2  threading模块中重要的Thread类 16

2.2.3  threading中的Lock类 18

2.2.4  threading中的join类 19

2.3  小结 19

第3章  Python类库的使用——数据处理及可视化展示 20

3.1  从小例子起步——NumPy的初步使用 20

3.1.1  数据的矩阵化 20

3.1.2  数据分析 22

3.1.3  基于统计分析的数据处理 24

3.2  图形化数据处理——Matplotlib包的使用 24

3.2.1  差异的可视化 24

3.2.2  坐标图的展示 25

3.2.3  大规模数据的可视化 27

3.3  常用的统计分析方法——相似度计算 30

3.3.1  基于欧几里得距离的相似度计算 30

3.3.2  基于余弦角度的相似度计算 31

3.3.3  欧几里得相似度与余弦相似度的比较 32

3.4  数据的统计学可视化展示 33

3.4.1  数据的四分位 33

3.4.2  数据的四分位示例 34

3.4.3  数据的标准化 37

3.4.4  数据的平行化处理 39

3.4.5  热点图-属性相关性检测 41

3.5  Python实战：某地降雨的关系处理 42

3.5.1  不同年份的相同月份统计 42

3.5.2  不同月份之间的增减程度比较 44

3.5.3  每月的降水量是否相关 45

3.6  小结 46

第4章  欢迎来到掘金量化 47

4.1  基础工作 47

4.1.1  安装掘金终端 47

4.1.2  获取帮助 49

4.2  实战：使用掘金终端进行回测工作 51

4.2.1  创建一个策略 51

4.2.2  运行回测 52

4.2.3  查看回测结果 54

4.2.4  使用PyCharm进行回测 55

4.3  小结 59

第5章  Talib金融库使用详解 60

5.1  Talib金融工具库的介绍 60

5.1.1  使用Talib获取3日、7日、15日均线 60

5.1.2  EMA的计算 62

5.1.3  MACD的计算 64

5.1.4  MACD斜率的计算方法 66

5.1.5  使用Talib实现国内金融数据指标 67

5.2  Talib金融工具库函数 69

5.2.1  Talib常用函数介绍 73

5.2.2  Talib图像形态识别 75

5.3  实战：Talib金融工具回测实战 83

5.3.1  根据MACD变化回测2017年盈利情况 84

5.3.2  股价的波动范围及未来走势判定 90

5.4  两种经典的轨道突破策略 92

5.4.1  Dual Thrust策略 92

5.4.2  Dynamic Breakout II策略 96

5.5  小结 99

第6章  多因子策略 100

6.1 一个奇怪的问题 100

6.1.1  因子是什么 101

6.1.2  选取因子 102

6.1.3  单因子选股轮动测试 105

6.2  因子的量化选择 108

6.2.1  基于IC值的多因子计算方法 109

6.2.2  基于IC值的多因子计算方法（续） 110

6.2.3  因子IC值计算的目标，等权法因子值的合成 114

6.3  实战：基于成长因子的模型测试 116

6.3.1  模型说明 116

6.3.2  使用模型进行回测 125

6.4  霍华?罗斯曼的投资模型 127

6.4.1  霍华?罗斯曼简介 127

6.4.2  霍华?罗斯曼的投资模型 127

6.4.3  对霍华?罗斯曼模型的分析 128

6.5  小结 131.................

内容简介

本书从对量化交易的正确认识出发，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与交易技巧，还提供了大量基于真实交易的实例，有很强的实用性。本书偏重于量化技术在实际交易中的应用，读者不需要有深厚的数学功底即可阅读。

本书共11章，分为4部分。第1部分讲解了对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，以及基础度量概念及*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际应用。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等相关内容。

本书适合所有对量化交易感兴趣的人员阅读，也适合相关院校和培训机构作为量化交易系统课程的教材。阅读本书，建议读者有一定的编程基础。

一分钟了解本书内容精华：

量化引言

量化语言——Python

量化工具——NumPy

量化工具——pandas

量化工具——可视化

量化工具——数学

量化系统——入门

量化系统——开发

量化系统——度量与优化

量化系统——机器学习老三

量化系统——机器学习?abu

量化环境部署

量化相关性分析

量化统计分析及指标应用

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

1.4 量化交易的正确认识 8

1.5 量化交易的目的 11

第2部分 量化交易的基础

第2章 量化语言——Python 14

2.1 基础语法与数据结构 15

2.2 函数 20

2.3 面向对象 25

2.4 性能效率 38

2.5 代码调试 45

2.6 本章小结 48

第3章 量化工具——NumPy 49

3.1 并行化思想与基础操作 49

3.2 基础统计概念与函数使用 57

3.3 正态分布 62

3.4 伯努利分布 66

3.5 本章小结 71

第4章 量化工具——pandas 72

4.1 基本操作方法 72

4.2 基本数据分析示例 78

4.3 实例1：寻找股票异动涨跌幅阀值 87

4.4 实例2：星期几是这个股票的“好日子” 91

4.5 实例3：跳空缺口 95

4.6 pandas三维面板的使用 98

4.7 本章小结 101

第5章 量化工具——可视化 102

5.1 使用Matplotlib可视化数据 102

5.2 使用Bokeh交互可视化 106

5.3 使用pandas可视化数据 107

5.4 使用Seaborn可视化数据 112

5.5 实例1：可视化量化策略的交易区间及卖出原因 115

5.6 实例2：标准化两个股票的观察周期 120

5.7 实例3：黄金分割线 124

5.8 技术指标的可视化 130

5.9 本章小结 133

第6章 量化工具——数学 134

6.1 回归与插值 134

6.2 蒙特卡罗方法与凸优化 139

6.3 线性代数 159

6.4 本章小结 168

第3部分 量化交易系统的开发.................