新書推薦：
《
甲骨文丛书·古代中国的军事文化
》
售價：HK$
99.7
《
中国王朝内争实录（套装全4册）：从未见过的王朝内争编著史
》
售價：HK$
250.7
《
半导体纳米器件：物理、技术和应用
》
售價：HK$
181.7
《
创客精选项目设计与制作 第2版 刘笑笑 颜志勇 严国陶
》
售價：HK$
63.3
《
佛山华家班粤菜传承 华家班59位大厨 102道粤菜 图文并茂 菜式制作视频 粤菜故事技法 佛山传统文化 广东科技
》
售價：HK$
227.7
《
武人琴音（十周年纪念版 逝去的武林系列收官之作 形意拳一门三代：尚云祥、韩伯言、韩瑜的人生故事 凸显百年武人命运）
》
售價：HK$
44.9
《
剑桥斯堪的纳维亚戏剧史（剑桥世界戏剧史译丛）
》
售價：HK$
158.7
《
禅心与箭术：过松弛而有力的生活（乔布斯精神导师、世界禅者——铃木大拙荐）
》
售價：HK$
66.1
|
| 編輯推薦： |
量化投资界名师王小川领衔撰写
Python基础与量化投资策略双管齐下
为不懂Python语言的读者提供零基础入门
为有Python基础的读者提供量化策略建模参考，为本书重点
可将本书代码直接实盘应用，进行投资
|
| 內容簡介： |
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基础和量化投资两大部分：Python基础部分主要讲解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；量化投资部分在Python基础部分的基础上，讲解如何使用优矿（uqer.io）回测平台实现主流策略及高级定制策略等。
本书可作为专业金融从业者进行量化投资的工具书，也可作为金融领域的入门参考书。在本书中有大量的Python代码、Python量化策略的实现代码等，尤其是对于量化策略的实现代码，读者可直接自行修改并获得策略的历史回测结果，甚至可将代码直接实盘应用，进行投资。
|
| 關於作者： |
王小川，华创证券研究所金融工程高级分析师，国内知名MATLAB、Python培训专家，MATLABSKY创始人之一，人大经济论坛CDA课程Python金牌讲师。从事量化投资相关的工作，承担了部分高校的统计课程教学任务，长期研究机器学习在统计学中的应用，精通MATLAB、Python、SAS等统计软件，热衷于数据分析和数据挖掘工作，有着扎实的理论基础和丰富的实战经验。著有《MATLAB神经网络30个案例分析》和《MATLAB神经网络43个案例分析》。
陈杰，华创证券研究所金融工程团队负责人，拥有CFA、FRM资格。从2009年开始从事量化开发工作。在入职华创之前，曾担任申万宏源研究所金融工程首席分析师。
卢威，华创证券研究所金融工程分析师，前优矿网量化分析师，为优矿网资深用户，在优矿网分享过多篇高质量的量化研究报告，擅长使用Python进行量化投资研究。
刘昺轶，上海交通大学工学硕士，研究方向为断裂力学、流体力学，擅长Python编程、统计建模与Web开发，现为量化投资界新兵，正在快速成长。王小川，华创证券研究所金融工程高级分析师，国内知名MATLAB、Python培训专家，MATLABSKY创始人之一，人大经济论坛CDA课程Python金牌讲师。从事量化投资相关的工作，承担了部分高校的统计课程教学任务，长期研究机器学习在统计学中的应用，精通MATLAB、Python、SAS等统计软件，热衷于数据分析和数据挖掘工作，有着扎实的理论基础和丰富的实战经验。著有《MATLAB神经网络30个案例分析》和《MATLAB神经网络43个案例分析》。
陈杰，华创证券研究所金融工程团队负责人，拥有CFA、FRM资格。从2009年开始从事量化开发工作。在入职华创之前，曾担任申万宏源研究所金融工程首席分析师。
卢威，华创证券研究所金融工程分析师，前优矿网量化分析师，为优矿网资深用户，在优矿网分享过多篇高质量的量化研究报告，擅长使用Python进行量化投资研究。
刘昺轶，上海交通大学工学硕士，研究方向为断裂力学、流体力学，擅长Python编程、统计建模与Web开发，现为量化投资界新兵，正在快速成长。
秦玄晋，上海对外经贸大学会计学硕士，有两年量化投资经验，研究方向为公司金融。
苏博，上海财经大学金融信息工程硕士，主要研究方向为金融大数据分析。
徐晟刚，复旦大学西方经济学硕士，数理功底深厚，热爱编程与策略研究，精通Python、MATLAB等编程语言，有3年金融工程策略研究经验，擅长择时和事件类策略。
|
| 目錄：
|
第1章 准备工作1
1.1 Python的安装与设置1
1.2 常见的Python库2
第2章 Python基础介绍7
2.1 Python学习准备7
2.2 Python语法基础11
2.2.1 常量与变量11
2.2.2 数与字符串11
2.2.3 数据类15
2.2.4 标识符18
2.2.5 对象19
2.2.6 行与缩进20
2.2.7 注释22
2.3 Python运算符与表达式22
2.3.1 算数运算符22
2.3.2 比较运算符24
2.3.3 逻辑运算符25
2.3.4 Python中的优先级27
2.4 Python中的控制流27
2.4.1 控制流的功能28
2.4.2 Python的三种控制流29
2.4.3 认识分支结构if30
2.4.4 认识循环结构forin32
2.4.5 认识循环结构while33
2.4.6 break语句与continue语句35
2.5 Python函数39
2.5.1 认识函数39
2.5.2 形参与实参40
2.5.3 全局变量与局部变量44
2.5.4 对函数的调用与返回值45
2.5.5 文档字符串46
2.6 Python模块47
2.6.1 认识Python模块47
2.6.2 fromimport详解49
2.6.3 认识__name__属性50
2.6.4 自定义模块50
2.6.5 dir函数51
2.7 Python异常处理与文件操作52
2.7.1 Python异常处理52
2.7.2 异常的发生55
2.7.3 tryfinally的使用56
2.7.4 文件操作57
第3章 Python进阶59
3.1 NumPy的使用59
3.1.1 多维数组ndarray59
3.1.2 ndarray的数据类型60
3.1.3 数组索引、切片和赋值61
3.1.4 基本的数组运算62
3.1.5 随机数63
3.2 Pandas的使用67
3.2.1 Pandas的数据结构68
3.2.2 Pandas输出设置70
3.2.3 Pandas数据读取与写入70
3.2.4 数据集快速描述性统计分析71
3.2.5 根据已有的列建立新列72
3.2.6 DataFrame按多列排序73
3.2.7 DataFrame去重73
3.2.8 删除已有的列74
3.2.9 Pandas替换数据75
3.2.10 DataFrame重命名75
3.2.11 DataFrame切片与筛选76
3.2.12 连续型变量分组78
3.2.13 Pandas分组技术79
3.3 SciPy的初步使用83
3.3.1 回归分析84
3.3.2 插值87
3.3.3 正态性检验89
3.3.4 凸优化93
3.4 Matplotlib的使用97
3.5 Seaborn的使用97
3.5.1 主题管理98
3.5.2 调色板101
3.5.3 分布图102
3.5.4 回归图104
3.5.5 矩阵图106
3.5.6 结构网格图108
3.6 Scikit-Learn的初步使用109
3.6.1 Scikit-Learn学习准备110
3.6.2 常见的机器学习模型111
3.6.3 模型评价方法metric模块120
3.6.4 深度学习124
3.7 SQLAlchemy与常用数据库的连接124
3.7.1 连接数据库125
3.7.2 读取数据126
3.7.3 存储数据126
第4章 常用数据的获取与整理129
4.1 金融数据类型129
4.2 金融数据的获取131
4.3 数据整理135
4.3.1 数据整合135
4.3.2 数据过滤137
4.3.3 数据探索与数据清洗138
4.3.4 数据转化140
第5章 通联数据回测平台介绍143
5.1 回测平台函数与参数介绍144
5.1.1 设置回测参数144
5.1.2 accounts账户配置154
5.1.3 initialize（策略初始化环境）160
5.1.4 handle_data（策略运行逻辑）160
5.1.5 context（策略运行环境）160
5.2 股票模板实例168
5.3 期货模板实例173
5.4 策略回测详情179
5.5 策略的风险评价指标181
5.6 策略交易细节184
第6章 常用的量化策略及其实现187
6.1 量化投资概述187
6.1.1 量化投资简介187
6.1.2 量化投资策略的类型188
6.1.3 量化研究的流程189
6.2 行业轮动理论及其投资策略192
6.2.1 行业轮动理论简介192
6.2.2 行业轮动的原因192
6.2.3 行业轮动投资策略194
6.3 市场中性Alpha策略199
6.3.1 市场中性Alpha策略介绍199
6.3.2 市场中性Alpha策略的思想和方法200
6.3.3 实例展示201
6.4 大师策略206
6.4.1 麦克欧希金斯绩优成分股投资法207
6.4.2 杰拉尔丁维斯蓝筹股投资法211
6.5 CTA策略219
6.5.1 趋势跟随策略219
6.5.2 均值回复策略241
6.5.3 CTA策略表现分析253
6.6 Smart Beta258
6.6.1 基于权重优化的Smart Beta258
6.6.2 基于风险因子的Smart Beta268
6.7 技术指标类策略281
6.7.1 AROON指标281
6.7.2 BOLL指标285
6.7.3 CCI指标288
6.7.4 CMO指标293
6.7.5 Chaikin Oscillator指标295
6.7.6 DMI指标299
6.7.7 优矿平台因子汇总302
6.8 资产配置317
6.8.1 有效边界318
6.8.2 Black-Litterman模型335
6.8.3 风险平价模型349
6.9 时间序列分析358
6.9.1 与时间序列分析相关的基础知识358
6.9.2 自回归（AR）模型365
6.9.3 滑动平均（MA）模型372
6.9.4 自回归滑动平均（ARMA）模型376
6.9.5 自回归差分滑动平均（ARIMA）模型379
6.10 组合优化器的使用384
6.10.1 优化器的概念384
6.10.2 优化器的API接口386
6.10.3 优化器实例388
6.11 期权策略：Greeks和隐含波动率微笑计算392
6.11.1 数据准备392
6.11.2 Greeks和隐含波动率计算394
6.11.3 隐含波动率微笑401
第7章 量化投资十问十答405
|
| 內容試閱：
|
为什么写作本书
作为投资者，我们常听到的一句话是不要把鸡蛋放入同一个篮子中，可见分散投资可以降低风险，但如何选择不同的篮子、每个篮子放多少鸡蛋，便是见仁见智的事情了，量化投资就是解决这些问题的一种工具。
而Python在1991年诞生，目前已成为非常受欢迎的动态编程语言，由于拥有海量的库，所以Python在各个领域都有广泛应用，在量化投资界采用Python进行科学计算、量化投资的势头也越来越猛。目前各种在线策略编程平台都支持Python语言，例如优矿、米筐、聚宽等，这也是我们选择Python进行量化投资的原因。
目前市场上关于Python与量化投资的图书不少，但仔细研究后不难发现，很多图书都是顶着量化投资的噱头在讲Python的语言基础，其能提供的策略有限，并且大部分不提供回测平台，此类书籍中的策略往往为涨停股票可以买入、跌停股票可以卖出、停牌也可以交易，等等，这大大违背了A股市场的交易规则，难以获得准确的回测结果。
鉴于以上情形，为了更好地推动量化投资在中国的普及与发展，我们编写了《Python与量化投资：从基础到实战》一书，本书兼顾了Python语言与量化策略的编写，既可以为不懂Python语言的读者提供零基础入门，也可以为有Python基础的读者提供量化策略建模参考。细心的读者不难发现，本书量化投资策略部分的介绍篇幅远大于Python语言的介绍篇幅，这也可看出我们出版本书的初心。
如何使用本书
如果您从未接触过Python或者任何其他编程语言，则建议您从第1章开始看起，对Python基础编程稍做了解；如果您已经是Python的忠实用户，则可以从第4章开始看起，直接使用优矿平台完成对策略的编写。关于Python基础部分的内容，您可自行安装、运行Python进行学习；关于量化投资部分的内容，您需要用到优矿在线量化平台，不安装Python也可以运行。
本书的配套代码可以在http：books.hcquant.com下载。
Python基础部分的示例代码的后缀名为.ipynb，是JupyterNotebook文件，可以直接用Python打开运行；量化投资部分的示例代码的后缀名为.nb，需要上传到优矿的Notebook运行。
本书讲了什么
本书分为两大部分，共有7章，前3章为Python基础部分，可以帮助读者快速上手Python；后4章为量化投资部分，借助通联数据优矿平台进行数据处理与策略建立，将各种策略代码直接开源，并且对各种策略进行了介绍与点评，可谓本书的精华部分。
第1章为准备工作，主要介绍Python的安装与常用的库，尤其是在量化投资领域会使用到的数据分析库。
第2章介绍Python的基础操作，为后续讲解Python量化投资做准备，等于从零开始讲解，可在短时间内快速上手Python编程。
第3章讲解Python的进阶内容，在第2章的基础上详细介绍NumPy、Pandas、SciPy、Seaborn、Scikit-Learn、SQLAlchemy等经典库，是对前两章的升华和应用。
第4章讲解常用金融数据的获取与整理，包括数据整合、数据过滤、数据探索与清洗、数据转化，等等。
第5章介绍通联数据回测平台，内容涉及回测平台函数参数介绍、股票期货模板实例讲解、回测结果分析、风险评价指标与回测细节的注意事项。
第6章讲解常见的量化策略及其实现，内容涉及行业轮动、市场中性Alpha、大师类策略、CTA策略、Smart Beta、技术指标类策略、资产配置、时间序列分析、组合优化器、期权策略等。代码全部公开，您可在短时间内使用我们的策略模板编写适合自己的策略。
第7章给出了10道自问自答题目，可便于您在短时间内更好地了解量化投资，希望对您做投资有所帮助。
|
|
購物車/收銀台(0) | 在線留言板
| 付款方式
| 運費計算
| 聯絡我們
| 幫助中心 |
加入書簽
HOME
新書上架
