Python量化炒股入門與實(shí)戰(zhàn)技巧
定 價(jià)：69 元
- 作者：王征，李曉波 著
- 出版時(shí)間：2020/6/1
- ISBN：9787113266196
- 出 版 社：中國(guó)鐵道出版社
- 中圖法分類：F830.91-39
- 頁碼：444
- 紙張：膠版紙
- 版次：1
- 開本：16開
本書首先講解了Python量化炒股快速入門，即量化炒股的定義、特點(diǎn)、優(yōu)勢(shì)、不足和主要內(nèi)容，Python語言的開發(fā)環(huán)境，以及量化炒股的注意事項(xiàng)。其次講解量化炒股開發(fā)語言Python，即講解Python語言的基本語法、選擇結(jié)構(gòu)、循環(huán)結(jié)構(gòu)、常用數(shù)據(jù)結(jié)構(gòu)、函數(shù)及應(yīng)用和面向?qū)ο蟪绦蛟O(shè)計(jì)。接著講解量化炒股中的3個(gè)常用包，即Numpy、Pandas和Matplotlib包。然后講解如何利用Python編寫量化炒股策略、量化炒股的獲取數(shù)據(jù)函數(shù)、財(cái)務(wù)因子量化選股、數(shù)據(jù)信息獲取、量化擇時(shí)的技術(shù)指標(biāo)函數(shù)、量化炒股的統(tǒng)計(jì)數(shù)據(jù)圖、量化炒股策略的回測(cè)、量化炒股策略的因子分析。后講解Python量化炒股策略實(shí)戰(zhàn)案例。
在講解過程中既考慮讀者的學(xué)習(xí)習(xí)慣，又通過具體實(shí)例剖析Python量化炒股實(shí)際交易過程中的熱點(diǎn)問題、關(guān)鍵問題及種種難題。
本書適用于各種不同的投資者，如股民、中小散戶、職業(yè)操盤手和專業(yè)金融評(píng)論人士，更適用于那些有志于在這個(gè)充滿風(fēng)險(xiǎn)、充滿寂寞的征程上默默前行的征戰(zhàn)者和屢敗屢戰(zhàn)、愈挫愈奮并終戰(zhàn)勝失敗、戰(zhàn)勝自我的勇者。
揭示Python量化炒股精髓，新手交易獲利更容易
詳解Python量化炒股難題，多位專家合力編著
知識(shí)點(diǎn)+應(yīng)用案例=快速幫助讀者理解與變通應(yīng)用
Python量化炒股正以勢(shì)不可擋的趨勢(shì)進(jìn)入證券交易領(lǐng)域，這是因?yàn)镻ython量化炒股的核心優(yōu)勢(shì)在于風(fēng)險(xiǎn)管理更精準(zhǔn)，能夠提供超額收益。
Python量化炒股已經(jīng)越來越多的出現(xiàn)在專業(yè)投資者乃至行業(yè)外人士的視野中，而且未來很有可能出現(xiàn)“量化投資產(chǎn)品將替代未來的資本管理市場(chǎng)”。
在大多數(shù)股票投資者的想象中，量化炒股似乎應(yīng)該是用十幾個(gè)顯示屏跑的數(shù)學(xué)模型，交易速度以微秒計(jì)算的、深不可測(cè)的投資方法。誠然，復(fù)雜模型和高頻交易固然屬于量化范疇，但從廣義上來說，量化代表的是一種理性的思維方式。例如，當(dāng)你著眼于真實(shí)數(shù)據(jù)，理性地運(yùn)用邏輯分析和歸納統(tǒng)計(jì)得出一些市場(chǎng)的觀點(diǎn)和規(guī)律，并據(jù)此制定和執(zhí)行明確的交易策略時(shí)，你就是在做量化炒股。普通個(gè)人投資者完全可以運(yùn)用量化的方法來指導(dǎo)自己的投資決策，甚至常常不經(jīng)意間就已經(jīng)用到基于經(jīng)驗(yàn)、邏輯和數(shù)學(xué)的量化投資的思維來指導(dǎo)自己的交易。
以美國(guó)為主的成熟資本市場(chǎng)，量化炒股占比超過50%，量化對(duì)沖基金已經(jīng)成為資管行業(yè)中的翹楚。中國(guó)的量化炒股起步較晚，量化炒股在證券市場(chǎng)中的占比還不足5%。隨著科技的進(jìn)步，中國(guó)的量化交易市場(chǎng)正在快速發(fā)展。
目前我國(guó)的量化交易主要應(yīng)用在商品期貨上。隨著股指期貨的上市，期貨市場(chǎng)和證券市場(chǎng)實(shí)現(xiàn)了真正意義上的互動(dòng)，投資者不僅可以在期貨市場(chǎng)上進(jìn)行投機(jī)交易，同時(shí)還可以在期貨與股票之間進(jìn)行套利交易。利用量化交易對(duì)股指期貨進(jìn)行操作將會(huì)是投資者（機(jī)構(gòu)投資者）的一個(gè)重要的發(fā)展方向。
本書結(jié)構(gòu)
本書共19章，具體章節(jié)安排如下。
第1章：講解Python量化炒股快速入門，即量化炒股的定義、特點(diǎn)、優(yōu)勢(shì)、不足和主要內(nèi)容，Python語言的開發(fā)環(huán)境，以及量化炒股的注意事項(xiàng)。
第2～7章：講解量化炒股開發(fā)語言Python，即講解Python語言的基本語法、選擇結(jié)構(gòu)、循環(huán)結(jié)構(gòu)、常用數(shù)據(jù)結(jié)構(gòu)、函數(shù)及應(yīng)用和面向?qū)ο蟪绦蛟O(shè)計(jì)。
第8～10章：講解量化炒股中的三個(gè)常用包，即Numpy、Pandas和Matplotlib包。
第11～18章：講解如何利用Python編寫量化炒股策略、量化炒股的獲取數(shù)據(jù)函數(shù)、財(cái)務(wù)因子量化選股、數(shù)據(jù)信息獲取、量化擇時(shí)的技術(shù)指標(biāo)函數(shù)、量化炒股的統(tǒng)計(jì)數(shù)據(jù)圖、量化炒股策略的回測(cè)、量化炒股策略的因子分析。
第19章：講解Python量化炒股策略實(shí)戰(zhàn)案例。
本書特色
本書特色歸納如下。
（1）實(shí)用性：本書首先著眼于量化炒股實(shí)戰(zhàn)應(yīng)用，然后探討深層次的技巧問題。
（2）詳盡的例子：本書附有大量的例子，通過這些例子介紹知識(shí)點(diǎn)。每個(gè)例子都是作者精心選擇的，投資者反復(fù)練習(xí)，舉一反三，就可以真正掌握量化炒股技巧，從而學(xué)以致用。
（3）全面性：本書幾乎包含量化炒股的所有知識(shí)，分別是量化炒股的基礎(chǔ)知識(shí)、Python語言的開發(fā)環(huán)境、基本語法、選擇結(jié)構(gòu)、循環(huán)結(jié)構(gòu)、常用數(shù)據(jù)結(jié)構(gòu)、函數(shù)及應(yīng)用、面向?qū)ο蟪绦蛟O(shè)計(jì)、Numpy包、Pandas包、Matplotlib包、量化炒股的獲取數(shù)據(jù)函數(shù)、財(cái)務(wù)因子量化選股、數(shù)據(jù)信息獲取、量化擇時(shí)的技術(shù)指標(biāo)函數(shù)、量化炒股的統(tǒng)計(jì)數(shù)據(jù)圖、量化炒股策略的回測(cè)和因子分析以及Python量化炒股策略實(shí)戰(zhàn)案例。
本書適合的讀者
本書適用于各種不同的投資者，如股民、中小散戶、職業(yè)操盤手和專業(yè)金融評(píng)論人士，更適用于那些有志于在這個(gè)充滿風(fēng)險(xiǎn)、充滿寂寞的征程上默默前行的征戰(zhàn)者和屢敗屢戰(zhàn)、愈挫愈勇并終戰(zhàn)勝失敗、戰(zhàn)勝自我的勇者。
第1章 Python量化炒股快速入門 / 1
11 初識(shí)量化炒股 / 2
12 量化炒股的內(nèi)容 / 5
13 量化炒股的開發(fā)語言Python / 8
14 量化炒股與普通炒股的比較 / 18
15 量化炒股的注意事項(xiàng) / 18
第2章 Python編程的初步知識(shí) / 21
21 變量 / 22
22 變量的基本數(shù)據(jù)類型 / 24
23 運(yùn)算符 / 29
24 Python 的語法規(guī)則 / 33
第3章 Python 編程的選擇結(jié)構(gòu) / 37
31 ifelse 語句 / 38
32 多個(gè)ifelse 語句 / 40
33 關(guān)系運(yùn)算符 / 44
34 邏輯運(yùn)算符 / 47
35 嵌套if 語句 / 50
第4章 Python 編程的循環(huán)結(jié)構(gòu) / 53
41 while 循環(huán) / 54
42 while 循環(huán)中使用else 語句 / 55
43 無限循環(huán) / 59
44 for 循環(huán) / 64
45 在for 循環(huán)中使用range() 函數(shù) / 65
46 循環(huán)嵌套 / 68
47 break 語句 / 70
48 continue 語句 / 71
第5章 Python 編程的常用數(shù)據(jù)結(jié)構(gòu) / 73
51 列表 / 74
52 元組 / 80
53 字典 / 85
54 集合 / 93
第6章 Python 編程的函數(shù) / 97
61 初識(shí)函數(shù) / 98
62 內(nèi)置函數(shù) / 98
63 自定義函數(shù) / 107
64 匿名函數(shù) / 115
65 遞歸函數(shù) / 116
66 實(shí)例：計(jì)算一個(gè)數(shù)為兩個(gè)質(zhì)數(shù)之和 / 117
67 實(shí)例：利用內(nèi)置函數(shù)實(shí)現(xiàn)小學(xué)四則運(yùn)算 / 118
第7章 Python 編程的面向?qū)ο?/ 121
71 面向?qū)ο蟾攀?/ 122
72 類的定義和對(duì)象的創(chuàng)建 / 124
73 類的構(gòu)造方法和self 參數(shù) / 125
74 類的繼承 / 126
75 類的多態(tài) / 130
76 模塊 / 131
77 包 / 136
第8章 Python 量化炒股常用的Numpy 包 / 143
81 初識(shí)Numpy 包及量化炒股平臺(tái) / 144
82 ndarray 數(shù)組基礎(chǔ) / 146
83 Numpy 的矩陣 / 153
84 Numpy 的線性代數(shù) / 154
第9章 Python 量化炒股常用的Pandas 包 / 161
91 Pandas 的數(shù)據(jù)結(jié)構(gòu) / 162
92 一維數(shù)組系列（Series） / 162
93 二維數(shù)組DataFrame / 165
94 三維數(shù)組Panel / 180
第10章 Python 量化炒股常用的Matplotlib 包 / 183
101 Matplotlib 包的特點(diǎn) / 184
102 figure() 函數(shù) / 184
103 plot() 函數(shù) / 186
104 subplot() 函數(shù) / 190
105 add_axes() 函數(shù) / 193
106 legend() 函數(shù) / 195
107 grid () 函數(shù) / 198
第11章 利用Python 編寫量化炒股策略 / 201
111 Python 量化炒股策略的基本組成 / 202
112 Python 量化炒股策略的設(shè)置函數(shù) / 206
113 Python 量化炒股策略的下單函數(shù) / 210
114 Python 量化炒股策略的常用對(duì)象 / 213
115 Python 量化炒股策略的日志log / 220
116 Python 量化炒股策略的定時(shí)函數(shù) / 221
第12章 Python 量化炒股的獲取數(shù)據(jù)函數(shù) / 225
121 獲取多只股票單個(gè)數(shù)據(jù)字段函數(shù)history() / 226
122 獲取一只股票多個(gè)數(shù)據(jù)字段函數(shù)attribute_history () / 232
123 查詢單個(gè)交易日賬務(wù)數(shù)據(jù)函數(shù)get_fundamentals() / 236
124 查詢多個(gè)交易日賬務(wù)數(shù)據(jù)函數(shù)get_fundamentals_continuously () / 241
125 獲取當(dāng)前時(shí)間的股票數(shù)據(jù)函數(shù)get_current_data() / 243
126 獲取指數(shù)成分股代碼函數(shù)get_index_stocks () / 243
127 獲取指數(shù)成分股權(quán)重函數(shù)get_index_weights () / 247
128 獲取行業(yè)成分股代碼函數(shù)get_industry_stocks() / 248
129 查詢股票所屬行業(yè)函數(shù)get_industry () / 251
1210 獲取概念成分股代碼函數(shù)get_concept_stocks() / 253
1211 查詢股票所屬概念板塊函數(shù)get_concept () / 256
1212 獲取一只股票信息函數(shù)get_security_info () / 257
1213 獲取龍虎榜數(shù)據(jù)函數(shù)get_billboard_list () / 257
1214 獲取限售解禁數(shù)據(jù)函數(shù)get_locked_shares () / 259
第13章 Python 量化炒股的財(cái)務(wù)因子選股 / 261
131 初識(shí)財(cái)務(wù)因子選股 / 262
132 成長(zhǎng)類因子選股 / 262
133 規(guī)模類因子選股 / 274
134 價(jià)值類因子選股 / 280
135 質(zhì)量類因子選股 / 287
136 財(cái)務(wù)因子量化選股的注意事項(xiàng) / 290
第14章 Python 量化炒股的數(shù)據(jù)信息獲取 / 293
141 獲取上市公司概況信息 / 294
142 獲取上市公司股東和股本信息 / 305
143 獲取上市公司分紅送股數(shù)據(jù)信息 / 315
144 獲取滬深股市每日成交概況信息 / 317
第15章 Python 量化擇時(shí)的技術(shù)指標(biāo)函數(shù) / 319
151 量化擇時(shí)概述 / 320
152 趨向指標(biāo)函數(shù) / 321
153 反趨向指標(biāo)函數(shù) / 331
154 壓力支撐指標(biāo)函數(shù) / 338
155 量?jī)r(jià)指標(biāo)函數(shù) / 343第16章 Python 量化炒股的統(tǒng)計(jì)數(shù)據(jù)圖 / 349
161 Seaborn 包概述 / 350
162 單只股票的收益統(tǒng)計(jì)圖 / 350
163 股票的相關(guān)性分析圖 / 356
第17章 Python 量化炒股策略的回測(cè) / 365
171 量化炒股策略回測(cè)的流程 / 366
172 利用Python 編寫量化炒股策略并回測(cè) / 367
173 量化炒股策略的風(fēng)險(xiǎn)指標(biāo) / 377
第18章 Python 量化炒股策略的因子分析 / 385
181 初識(shí)因子分析 / 386
182 利用Python 代碼實(shí)現(xiàn)因子分析 / 386
183 新建因子并查看因子分析結(jié)果 / 389
184 因子在研究和回測(cè)中的運(yùn)用技巧 / 397
185 基本面因子應(yīng)用實(shí)例 / 399
第19章 Python 量化炒股策略實(shí)戰(zhàn)案例 / 403
191 均線量化炒股策略 / 404
192 多均線量化炒股策略 / 406
193 隨機(jī)指標(biāo)量化炒股策略 / 409
194 布林通道線指標(biāo)量化炒股策略 / 412
195 多股票持倉均線量化炒股策略 / 416
196 白酒板塊輪動(dòng)量化炒股策略 / 418
197 多個(gè)小市值股票量化炒股策略 / 421
書單推薦
