量化交易領(lǐng)域的飛速發(fā)展，得到了越來(lái)越多業(yè)內(nèi)外人士的關(guān)注。而Python作為一門功能強(qiáng)大且易于上手的編程語(yǔ)言，可以快速將想法付諸實(shí)踐。因此，本書希望可以引領(lǐng)讀者初步了解量化交易，并借助Python這個(gè)工具在該領(lǐng)域有所建樹。
本書先從量化交易的基本概念講起，然后講解Python的基本語(yǔ)法及常見庫(kù)的使用，在每章節(jié)的學(xué)習(xí)中都以金融量化為實(shí)例，并在最后結(jié)合實(shí)戰(zhàn)項(xiàng)目來(lái)進(jìn)行學(xué)習(xí)和鞏固，讀者不但可以系統(tǒng)地學(xué)習(xí)Python編程的相關(guān)知識(shí)，而且還能學(xué)習(xí)到Python在量化交易場(chǎng)景下的應(yīng)用。
本書內(nèi)容通俗易懂，案例豐富，適合零基礎(chǔ)并對(duì)Python量化感興趣的讀者，以及想學(xué)習(xí)量化交易實(shí)戰(zhàn)項(xiàng)目的Python初學(xué)者。此外，本書也適合作為相關(guān)培訓(xùn)機(jī)構(gòu)的培訓(xùn)教材。
丁奉乾：CSDN博客專家，博客訪問量已過百萬(wàn)，微信公眾號(hào)“人工智能量化實(shí)驗(yàn)室”創(chuàng)始人，目前已發(fā)表多篇SCI學(xué)術(shù)論文，擁有多項(xiàng)國(guó)家發(fā)明專利和軟件著作權(quán)。擅長(zhǎng)Python編程，專注于人工智能量化領(lǐng)域研究，并有豐富的量化金融項(xiàng)目經(jīng)驗(yàn)。
基礎(chǔ)篇
第1章 初識(shí)量化交易
1.1 對(duì)量化交易的認(rèn)識(shí)
1.2 幾種常見的交易形式
1.3 量化交易存在的風(fēng)險(xiǎn)與規(guī)避方法
1.4 量化交易平臺(tái)介紹
1.5 本章小結(jié)
第2章 Python環(huán)境的搭建
2.1 關(guān)于Python
2.2 安裝Python的發(fā)行版Anaconda
2.3 安裝Python IDE PyCharm
2.4 本章小結(jié)
第3章 量化交易場(chǎng)景下Python基礎(chǔ)知識(shí)的準(zhǔn)備
3.1 Python變量：金融數(shù)據(jù)的表示形式
3.2 條件判斷語(yǔ)句：交易點(diǎn)的觸發(fā)
3.3 循環(huán)語(yǔ)句：開啟歷史數(shù)據(jù)的回測(cè)
3.4 函數(shù)：提高代碼的利用率
3.5 面向?qū)ο螅航灰撞呗缘膶?shí)例化
3.6 常用內(nèi)置模塊及模塊的安裝：解鎖更多新功能
3.7 本章小結(jié)
高級(jí)篇
第4章 用NumPy來(lái)進(jìn)行數(shù)據(jù)操作 82
4.1 NumPy庫(kù)的介紹與安裝
4.2 Ndarray數(shù)組
4.3 NumPy的常用操作
4.4 NumPy在金融數(shù)據(jù)中的應(yīng)用
4.5 本章小結(jié)
第5章 借助Pandas進(jìn)行數(shù)據(jù)分析
5.1 Pandas庫(kù)的介紹與安裝
5.2 Series類型數(shù)據(jù)
5.3 DataFrame類型數(shù)據(jù)
5.4 Pandas中常用函數(shù)的使用
5.5 Pandas對(duì)金融數(shù)據(jù)的操作
5.6 本章小結(jié)
第6章 通過Matplotlib對(duì)數(shù)據(jù)可視化
6.1 Matplotlib庫(kù)的介紹與安裝
6.2 Matplotlib的基本操作
6.3 Matplotlib繪制常見圖像
6.4 Matplotlib對(duì)圖像屬性的設(shè)置
6.5 Matplotlib繪制多個(gè)子圖
6.6 金融數(shù)據(jù)的可視化操作
6.7 本章小結(jié)
第7章 歷史數(shù)據(jù)的獲取
7.1 通過Tushare庫(kù)獲取歷史數(shù)據(jù)
7.2 通過新浪財(cái)經(jīng)API獲取歷史數(shù)據(jù)
7.3 通過Pandas_datareader獲取歷史數(shù)據(jù)
7.4 其他獲取歷史數(shù)據(jù)的方式
7.5 本章小結(jié)
第8章 量化交易的利器
8.1 Ta-Lib庫(kù)的介紹與安裝
8.2 市場(chǎng)技術(shù)指標(biāo)的計(jì)算
8.3 K線組合的模式識(shí)別
8.4 FFn庫(kù)的介紹與安裝
8.5 風(fēng)險(xiǎn)指標(biāo)的計(jì)算
8.6 兩種經(jīng)典策略的實(shí)現(xiàn)
8.7 本章小結(jié)
第9章 時(shí)間序列分析
9.1 Statsmodels庫(kù)的介紹與安裝
9.2 時(shí)間序列的基本概念
9.3 時(shí)間序列相關(guān)性分析
9.4 時(shí)間序列平穩(wěn)性分析
9.5 時(shí)間序列協(xié)整性分析
9.6 時(shí)間序列模型
9.7 時(shí)間序列模型在股票市場(chǎng)中的應(yīng)用
9.8 本章小結(jié)
實(shí)戰(zhàn)篇
第10章 基于配對(duì)交易策略的回測(cè)框架的搭建
10.1 配對(duì)交易介紹
10.2 配對(duì)交易回測(cè)框架的實(shí)現(xiàn)
10.3 本章小結(jié)
第11章 機(jī)器學(xué)習(xí)實(shí)戰(zhàn)——利用支持向量機(jī)（SVM）進(jìn)行趨勢(shì)預(yù)測(cè)
11.1 機(jī)器學(xué)習(xí)庫(kù)Sklearn的介紹與安裝
11.2 機(jī)器學(xué)習(xí)基本知識(shí)介紹
11.3 支持向量機(jī)介紹
11.4 支持向量機(jī)預(yù)測(cè)模型的實(shí)現(xiàn)
11.5 本章小結(jié)
第12章 深度學(xué)習(xí)實(shí)戰(zhàn)——利用循環(huán)神經(jīng)網(wǎng)絡(luò)（RNN）進(jìn)行價(jià)格預(yù)測(cè)
12.1 深度學(xué)習(xí)庫(kù)TensorFlow的介紹與安裝
12.2 TensorFlow的基本概念與結(jié)構(gòu)
12.3 循環(huán)神經(jīng)網(wǎng)絡(luò)介紹
12.4 循環(huán)神經(jīng)網(wǎng)絡(luò)預(yù)測(cè)模型的搭建
12.5 本章小結(jié)
第13章 接觸實(shí)盤——利用vn.py進(jìn)行量化交易
13.1 初識(shí)vn.py
13.2 vn.py運(yùn)行環(huán)境的準(zhǔn)備
13.3 vn.py國(guó)內(nèi)期貨CTP的配置
13.4 通過vn.py進(jìn)行策略回測(cè)
13.5 基于vn.py實(shí)現(xiàn)R-Breaker策略
13.6 通過vn.py進(jìn)行自動(dòng)化交易
13.7 本章小結(jié)
附錄 常見的Python量化交易框架介紹
書單推薦
