 |
-- 會員 / 註冊 --
|
 |
|
|
|
Python量化交易：策略、技巧與實戰 ( 簡體 字) |
| 作者：張彥橋,梁雷超 | 類別：1. -> 程式設計 -> Python |
| 譯者： |
| 出版社：電子工業出版社 |  3dWoo書號： 51567
詢問書籍請說出此書號！【缺書】
NT售價： 495 元 |
| 出版日：8/1/2019 |
| 頁數：372 |
| 光碟數：0 |
|
站長推薦：   |
| 印刷：黑白印刷 | 語系： ( 簡體 版 ) |
| |
加入購物車  │加到我的最愛
(請先登入會員) |
| ISBN：9787121370908 |
| 作者序 | 譯者序 | 前言 | 內容簡介 | 目錄 | 序 |
| (簡體書上所述之下載連結耗時費功, 恕不適用在台灣, 若讀者需要請自行嘗試, 恕不保證) |
| 作者序： |
| 譯者序： |
前言：在大多數投資者的想象中，量化交易似乎應該是用十幾個顯示屏運行的數學模型，是交易速度以微秒來計的、深不可測的投資方法。誠然，復雜模型和高頻交易屬于量化范疇，但廣義上，量化代表的是一種理性的思維方式。例如，當你著眼于真實數據，理性地運用邏輯分析和歸納統計得出市場的一些觀點和規律，并據此制定和執行明確的交易策略時，你就是在做量化交易。普通個人投資者完全可以運用量化的方法來指導自己的投資決策，事實上，他們常常不經意間就已經用基于經驗、邏輯和數學的量化投資的思維來指導自己的交易了。
在金融市場上一直有句話，即美國是機構市，我國A股是散戶市。據統計，美國現在量化交易方式所占比例已經超過70%，但是我國還不到5%。這樣看來，量化交易在我國是有比較大的發展空間的。
當前，我國的量化交易主要應用在商品期貨上。隨著股指期貨的上市，期貨市場和證券市場實現了真正意義上的互動，投資者不僅可以在期貨市場上進行投機交易，同時還可以在期貨與股票之間進行套利交易。利用量化交易對股指期貨進行操作將會是投資者（尤其是機構投資者）的一個重要的發展方向。
本書結構
本書共14章，具體章節安排如下。
? 第1章：講解量化交易的基礎知識，即量化交易的定義、特點、應用、故事、歷史及注意事項。
? 第2章：講解量化交易平臺，即JoinQuant聚寬量化交易平臺的功能，賬戶的注冊、登錄及量化交易策略的創建，選股技巧，買賣條件模型，風險控制技巧，其他參數設置技巧，回測，模擬交易，實盤交易。
? 第3 ~ 5章：講解量化交易開發語言Python，即講解Python開發環境及編程基礎、流程控制與特征數據類型、函數與面向對象。
? 第6 ~ 11章：講解Python量化交易策略的常用庫、常用函數與對象、獲取數據函數運用技巧、基本面選股技巧、技術指標函數運用技巧、回測方法與技巧。
? 第12 ~ 13章：講解Python量化交易策略的機器算法運用技巧、因子分析運用技巧。
? 第14章：講解Python量化交易策略實戰案例。
本書特色
本書的特色歸納如下。
? 實用性：本書著眼于量化實戰應用，同時探討深層次的技巧問題。
? 詳盡的例子：本書每一章都附有大量的例子，通過這些例子介紹知識點。每個例子都是作者精心選擇的，投資者只要反復練習，舉一反三，就可以真正掌握操盤技巧，從而學以致用。
? 全面性：本書包含了量化交易的所有知識，分別是量化交易的基礎知識、量化交易平臺、量化交易開發語言Python、Python量化交易策略的常用庫、Python量化交易策略常用函數與面向對象、Python量化交易策略獲取數據函數應用技巧、Python量化交易策略基本面選股技巧、Python量化交易策略技術指標函數運用技巧、Python量化交易策略回測方法與技巧、Python量化交易策略機器算法運用技巧、Python量化交易策略因子分析運用技巧、Python量化交易策略實戰案例。
? 在內容表現上形象生動，圖文并茂：為了能夠讓投資者在學習知識的同時，不過于死板，本書采用了大量的圖、表，以使整本書的風格更加生動、形象。
本書適合的讀者
本書適用于各類投資者，如股民、期民、職業操盤手和專業金融評論人士。
創作團隊
本書由張彥橋、梁雷超編著，劉志隆、王沖沖、呂雷、王高媛、張志偉、周飛、葛鈺秀、王英蘢、陳銳杰等對本書的編寫提出過寶貴意見并參與了部分編寫工作。
由于時間倉促，加之水平有限，書中的缺點和不足之處在所難免，敬請讀者批評指正。 |
內容簡介：本書首先講解量化交易的基礎知識，即量化交易的定義、歷史、主要內容及與傳統交易的區別、JoinQuant（聚寬）量化交易平臺；然后講解量化交易開發語言Python，即講解Python語言的開發環境、基本語法、基本流程控制、特征數據類型、函數及應用、面向對象程序設計；接著講解如何利用Python語言編寫量化策略、如何回測、編寫量化策略所需要常用函數、因子分析、量化交易策略實例；最后講解量化選股的技巧、量化擇時的技巧及算法交易。在講解過程中即考慮讀者的學習習慣，又通過具體實例剖析講解量化實際交易過程中的熱點問題、關鍵問題及種種難題。 |
目錄：第1章 量化交易概述 1
1.1 初識量化交易 2
1.1.1 什么是量化交易 2
1.1.2 量化交易與算法交易 2
1.1.3 量化交易與程序化交易 2
1.1.4 量化交易與技術分析 3
1.1.5 量化交易與人工交易 3
1.1.6 為什么要學習量化交易 4
1.2 量化交易的特點 5
1.3 量化交易的應用 6
1.3.1 投資品種選擇 7
1.3.2 投資時機選擇 7
1.3.3 算法交易 7
1.3.4 各種套利交易 9
1.3.5 資產配置 10
1.4 量化交易的故事 11
1.4.1 朱爾斯·雷格納特的量化交易故事 11
1.4.2 愛德華·索普的量化交易故事 12
1.4.3 詹姆斯·西蒙斯的量化交易故事 13
1.5 量化交易的歷史 14
1.5.1 國外量化交易的歷史 14
1.5.2 國內量化交易的歷史 15
1.6 量化交易的注意事項 15
第2章 量化交易平臺 17
2.1 初識JoinQuant聚寬量化交易平臺 18
2.2 量化交易平臺的功能 18
2.2.1 高質量數據和強大的研究平臺 18
2.2.2 頂級回測體驗和頂尖模擬交易 19
2.3 賬戶的注冊、登錄及量化交易策略的創建 19
2.3.1 量化交易平臺賬戶的注冊 19
2.3.2 量化交易平臺賬戶的登錄 20
2.3.3 量化交易策略的創建 22
2.4 量化交易策略的選股技巧 24
2.4.1 量化選股的基本設置 24
2.4.2 選股指標 27
2.5 量化交易策略的買賣條件模型 31
2.5.1 輪動模型 32
2.5.2 擇時模型 33
2.6 量化交易策略的風險控制技巧 35
2.6.1 止盈、止損指標 35
2.6.2 其他指標 36
2.7 量化交易策略的其他參數設置技巧 36
2.8 編寫Python代碼來創建量化交易策略 38
2.9 量化交易策略的回測 39
2.10 量化交易策略的模擬交易 41
2.10.1 新建模擬交易并運行 41
2.10.2 查看模擬交易 42
2.10.3 綁定微信 45
2.11 量化交易策略的實盤交易 46
第3章 Python開發環境及編程基礎 49
3.1 初識Python 50
3.1.1 Python的發展歷程 50
3.1.2 Python的特點 50
3.2 Python開發環境及配置 51
3.2.1 Python的下載和安裝 51
3.2.2 Python的環境變量配置 53
3.3 Python程序的編寫 57
3.4 利用量化交易平臺編寫Python程序 61
3.4.1 初識IPython Notebook研究平臺 62
3.4.2 利用IPython Notebook編寫Python程序 66
3.5 Python的基本數據類型 67
3.5.1 數值類型 67
3.5.2 字符串 69
3.6 Python的變量與賦值 73
3.6.1 變量命名規則 73
3.6.2 變量的賦值 74
3.7 Python的基本運算 74
3.7.1 算術運算 75
3.7.2 賦值運算 76
3.7.3 位運算 77
3.8 Python的代碼格式 78
3.8.1 代碼縮進 78
3.8.2 代碼注釋 79
3.8.3 空行 80
3.8.4 同一行顯示多條語句 80
第4章 Python流程控制與特征數據類型 81
4.1 Python的選擇結構 82
4.1.1 關系運算 82
4.1.2 邏輯運算 83
4.1.3 if語句 84
4.1.4 嵌套if語句 86
4.2 Python的循環結構 87
4.2.1 while循環 87
4.2.2 while循環使用else語句 88
4.2.3 無限循環 89
4.2.4 for循環 90
4.2.5 在for循環中使用range()函數 90
4.2.6 break語句 92
4.2.7 continue語句 92
4.2.8 pass語句 93
4.3 Python的特征數據類型 94
4.3.1 列表 94
4.3.2 元組 97
4.3.3 字典 99
4.3.4 集合 100
第5章 Python函數與面向對象 104
5.1 Python內置函數 105
5.1.1 數學函數 105
5.1.2 隨機數函數 106
5.1.3 三角函數 108
5.1.4 字符串函數 110
5.2 用戶自定義函數 113
5.2.1 自定義函數的定義 113
5.2.2 調用自定義函數 114
5.2.3 函數的參數傳遞 116
5.2.4 函數的參數類型 118
5.2.5 匿名函數 123
5.3 Python的面向對象 123
5.3.1 面向對象概念 124
5.3.2 類與實例 124
5.3.3 模塊的引用 127
5.3.4 包 127
5.4 變量作用域及類型 130
5.4.1 變量作用域 130
5.4.2 全局變量和局部變量 131
5.4.3 global和nonlocal關鍵字 132
第6章 Python量化交易策略的常用庫 135
6.1 Numpy庫 136
6.1.1 ndarray數組基礎 136
6.1.2 Numpy的矩陣對象 148
6.2 Pandas庫 149
6.2.1 一維數組Series 149
6.2.2 二維數組DataFrame 150
6.2.3 三維數組Panel 160
第7章 Python量化交易策略的常用函數與對象 163
7.1 Python量化交易策略的一般結構 164
7.1.1 初始化函數 165
7.1.2 開盤前運行函數 166
7.1.3 開盤時運行函數 166
7.1.4 收盤后運行函數 167
7.2 Python量化交易策略的設置函數 167
7.2.1 設置基準函數 168
7.2.2 設置傭金/印花稅函數 168
7.2.3 設置滑點函數 169
7.2.4 設置動態復權（真實價格）模式函數 170
7.2.5 設置成交量比例函數 170
7.2.6 設置是否開啟盤口撮合模式函數 171
7.2.7 設置要操作的股票池函數 171
7.3 Python量化交易策略的定時函數 171
7.3.1 定時函數的定義及分類 172
7.3.2 定時函數各項參數的意義 172
7.3.3 定時函數的注意事項 173
7.3.4 定時函數的實例 174
7.4 Python量化交易策略的下單函數 174
7.4.1 按股數下單函數 174
7.4.2 目標股數下單函數 175
7.4.3 按價值下單函數 175
7.4.4 目標價值下單函數 176
7.4.5 撤單函數 176
7.4.6 獲取未完成訂單函數 177
7.4.7 獲取訂單信息函數 177
7.4.8 獲取成交信息函數 178
7.5 Python量化交易策略的日志log 178
7.5.1 設定log級別 178
7.5.2 log.info 179
7.6 Python量化交易策略的常用對象 179
7.6.1 Order對象 179
7.6.2 全局對象g 180
7.6.3 Trade對象 180
7.6.4 tick對象 180
7.6.5 Context對象 181
7.6.6 Position對象 182
7.6.7 SubPortfolio對象 183
7.6.8 Portfolio對象 184
7.6.9 SecurityUnitData對象 184
第8章 Python量化交易策略的獲取數據函數運用技巧 186
8.1 history()函數的運用技巧 187
8.1.1 各項參數的意義 187
8.1.2 history()函數的應用實例 188
8.2 attribute_history ()函數的運用技巧 191
8.3 get_fundamentals ()函數的運用技巧 192
8.3.1 各項參數的意義 192
8.3.2 get_fundamentals ()函數的應用實例 193
8.4 get_fundamentals_continuously ()函數的運用技巧 198
8.5 get_current_data ()函數的運用技巧 199
8.6 get_index_stocks ()函數的運用技巧 200
8.6.1 各項參數的意義 200
8.6.2 get_index_stocks ()函數的應用實例 201
8.7 get_industry_stocks()函數的運用技巧 202
8.8 get_concept_stocks ()函數的運用技巧 203
8.9 get_all_securities()函數的運用技巧 205
8.9.1 各項參數的意義 205
8.9.2 get_all_securities()函數的應用實例 206
8.10 get_security_info ()函數的運用技巧 207
8.11 get_billboard_list ()函數的運用技巧 208
8.11.1 各項參數的意義 208
8.11.2 get_billboard_list()函數的應用實例 209
8.12 get_locked_shares ()函數的運用技巧 210
第9章 Python量化交易策略的基本面選股技巧 211
9.1 量化選股概述 212
9.2 成長類因子選股技巧 212
9.2.1 營業收入同比增長率選股技巧 212
9.2.2 營業收入環比增長率選股技巧 214
9.2.3 凈利潤同比增長率選股技巧 215
9.2.4 凈利潤環比增長率選股技巧 216
9.2.5 營業利潤率選股技巧 217
9.2.6 銷售凈利率選股技巧 217
9.2.7 銷售毛利率選股技巧 218
9.3 規模類因子選股技巧 220
9.3.1 總市值選股技巧 220
9.3.2 流通市值選股技巧 221
9.3.3 總股本選股技巧 222
9.3.4 流通股本選股技巧 222
9.4 價值類因子選股技巧 223
9.4.1 市凈率選股技巧 223
9.4.2 市銷率選股技巧 224
9.4.3 市現率選股技巧 225
9.4.4 動態市盈率選股技巧 226
9.4.5 靜態市盈率選股技巧 227
9.5 質量類因子選股技巧 228
9.5.1 凈資產收益率選股技巧 228
9.5.2 總資產凈利率選股技巧 229
9.6 基本面多因子量化選股 230
第10章 Python量化交易策略的技術指標函數運用技巧 232
10.1 量化擇時概述 233
10.2 趨向指標函數運用技巧 234
10.2.1 MACD指標函數 234
10.2.2 EMV指標函數 235
10.2.3 UOS指標函數 237
10.2.4 GDX指標函數 238
10.2.5 DMA指標函數 239
10.2.6 JS指標函數 240
10.2.7 MA指標函數 241
10.2.8 EXPMA指標函數 242
10.2.9 VMA指標函數 243
10.3 反趨向指標函數運用技巧 245
10.3.1 KD指標函數 245
10.3.2 MFI指標函數 246
10.3.3 RSI指標函數 247
10.3.4 OSC指標函數 248
10.3.5 WR指標函數 249
10.3.6 CCI指標函數 250
10.4 壓力支撐指標函數運用技巧 251
10.4.1 BOLL指標函數 251
10.4.2 MIKE指標函數 253
10.4.3 XS指標函數 254
10.5 量價指標函數運用技巧 256
10.5.1 OBV指標函數 256
10.5.2 VOL指標函數 257
10.5.3 VR指標函數 258
10.5.4 MASS指標函數 259
第11章 Python量化交易策略的回測方法與技巧 261
11.1 量化交易策略回測的流程 262
11.2 利用Python編寫MACD指標量化交易策略 262
11.2.1 量化交易策略的編輯頁面 262
11.2.2 編寫初始化函數 265
11.2.3 編寫單位時間調用的函數 265
11.3 設置MACD指標量化交易策略的回測參數 266
11.4 MACD指標量化交易策略的回測詳情 269
11.5 MACD指標量化交易策略的風險指標 272
11.5.1 Alpha（阿爾法） 272
11.5.2 Beta（貝塔） 273
11.5.3 Sharpe（夏普比率） 274
11.5.4 Sortino（索提諾比率） 275
11.5.5 Information Ratio（信息比率） 276
11.5.6 Volatility（策略波動率） 277
11.5.7 Benchmark Volatility（基準波動率） 278
11.5.8 Max Drawdown（最大回撤） 279
第12章 Python量化交易策略的機器算法運用技巧 280
12.1 隨機森林在量化交易中的運用技巧 281
12.1.1 隨機森林的構建 281
12.1.2 隨機森林的優缺點 281
12.1.3 隨機森林在量化交易中的運用實例 282
12.2 支持向量機（SVM）在量化交易中的運用技巧 284
12.2.1 什么是支持向量機（SVM） 285
12.2.2 支持向量機（SVM）的工作原理 285
12.2.3 核函數 287
12.2.4 支持向量機（SVM）的優點 288
12.2.5 支持向量機（SVM）的缺點 288
12.2.6 支持向量機（SVM）在量化交易中的運用實例 289
12.3 樸素貝葉斯在量化交易中的運用技巧 292
12.3.1 什么是樸素貝葉斯 292
12.3.2 樸素貝葉斯的算法思想 292
12.3.3 樸素貝葉斯的算法步驟 292
12.3.4 樸素貝葉斯的優缺點 293
12.3.5 樸素貝葉斯在量化交易中的運用實例 293
12.4 神經網絡在量化交易中的運用技巧 296
12.4.1 什么是人工神經網絡 296
12.4.2 大腦中的神經元細胞和神經元細胞網絡 297
12.4.3 人工神經網絡的基本特征 298
12.4.4 人工神經網絡的特點 299
12.4.5 人工神經網絡的算法 299
12.4.6 人工神經網絡在量化交易中的運用實例 301
第13章 Python量化交易策略的因子分析運用技巧 305
13.1 因子的類型及因子分析的作用 306
13.2 因子分析的Python代碼 306
13.2.1 因子分析中的三個變量 306
13.2.2 因子分析中可以使用的基礎因子 307
13.2.3 calc的參數及返回值 308
13.3 因子的新建及常見分析 308
13.3.1 因子的新建 308
13.3.2 因子的收益分析 311
13.3.3 因子的IC分析 314
13.3.4 因子的換手分析 315
13.4 因子在研究和回測中的使用 317
13.5 基本面因子運用實例 319
第14章 Python量化交易策略實戰案例 323
14.1 MA均線量化交易策略實戰案例 324
14.1.1 編寫初始化函數 324
14.1.2 編寫單位時間調用的函數 326
14.1.3 MA均線量化交易策略的回測 327
14.2 多均線量化交易策略實戰案例 327
14.2.1 編寫初始化函數 328
14.2.2 編寫交易程序函數 328
14.2.3 多均線量化交易策略的回測 330
14.3 MACD指標量化交易策略實戰案例 330
14.3.1 編寫初始化函數 331
14.3.2 編寫單位時間調用的函數 331
14.3.3 MACD指標量化交易策略的回測 332
14.4 KD指標量化交易策略實戰案例 333
14.4.1 編寫初始化函數 333
14.4.2 編寫開盤前運行函數 334
14.4.3 編寫開盤時運行函數 334
14.4.4 編寫收盤后運行函數 335
14.4.5 KD指標量化交易策略的回測 335
14.5 BOLL指標量化交易策略實戰案例 336
14.5.1 編寫初始化函數 336
14.5.2 編寫開盤前運行函數 337
14.5.3 編寫開盤時運行函數 337
14.5.4 編寫收盤后運行函數 338
14.5.5 BOLL指標量化交易策略的回測 339
14.6 多股票持倉量化交易策略實戰案例 339
14.6.1 編寫初始化函數 340
14.6.2 編寫單位時間調用的函數 340
14.6.3 多股票持倉量化交易策略的回測 341
14.7 醫藥股輪動量化交易策略實戰案例 342
14.7.1 編寫初始化函數 342
14.7.2 編寫選股函數 342
14.7.3 編寫交易函數 343
14.7.4 醫藥股輪動量化交易策略的回測 343
14.8 小市值股票量化交易策略實戰案例 344
14.8.1 編寫初始化函數 344
14.8.2 編寫選股函數 345
14.8.3 編寫過濾停牌股票函數 345
14.8.4 編寫交易函數 346
14.8.5 小市值股票量化交易策略的回測 346
14.9 機器算法多因子量化交易策略實戰案例 347
14.9.1 編寫初始化函數 347
14.9.2 編寫自定義的交易函數 348
14.9.3 機器算法多因子量化交易策略的回測 353 |
| 序： |
|
