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。
《Python量化交易实战》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。
《Python量化交易实战》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。

作者简介

王晓华，计算机专业资深讲师，为研究生和本科生讲授面向对象程序设计、数据结构、Hadoop程序设计等相关课程。主要研究方向为云计算、数据挖掘。曾主持和参与多项国家和省级科研课题，独立完成一项科研成果并获省级成果认定，发表过多篇论文，申请有一项专利。著有《SparkMLlib机器学习实践》《TensorFlow深度学习应用实践》等图书。

目录

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
2.1Python的基本安装和用法7
2.1.1Anaconda的下载与安装8
2.1.2Python编译器PyCharm的安装11
2.1.3使用Python计算softmax函数14
2.2Python常用类库中的threading15
2.2.1threading库的使用16
2.2.2threading模块中最重要的Thread类16
2.2.3threading中的Lock类18
2.2.4threading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
3.5Python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创建第一个策略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
5.1Talib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
5.1.2EMA的计算62
5.1.3MACD的计算64
5.1.4MACD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
5.2Talib金融工具库函数69
5.2.1Talib常用函数介绍73
5.2.2Talib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
5.4.1DualThrust策略92
5.4.2DynamicBreakoutII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
第7章带技术指标的多因子策略132
7.1技术面多因子介绍132
7.1.1101个技术因子132
7.1.2基于Talib的技术因子重写136
7.1.3一个基于放量技术因子策略的回测140
7.2较为复杂的技术因子143
7.2.1阻力支撑相对强度因子介绍143
7.2.2改进的RSRS因子与回测数据146
7.2.3价差偏离度因子介绍148
7.3简单的技术性因子—波动率因子151
7.3.1波动率因子介绍151
7.3.2更多的波动率因子155
7.4实战：一个回测成功率100%的中长线买卖例子158
7.4.1技术指标的设计159
7.4.2回测的设计164
7.5小结166
第8章人人都是基金经理——中证红利指数增强策略167
8.1中证红利指数基金介绍167
8.1.1红利指数基金的由来168
8.1.2中证红利简介168
8.2基于中证红利的指数增强基金策略的构建169
8.2.1中证红利策略的构建方法170
8.2.2策略回测与优化173
8.3小结173
第9章掘金量化——回归分析基础175
9.1回归分析基础175
9.1.1回归法简介176
9.1.2一元线性回归176
9.1.3多元线性回归179
9.1.4回归法的解法——最小二乘法详解180
9.2回归分析的一些其他计算方法183
9.2.1梯度下降算法与使用TensorFlow计算线性回归183
9.2.2线性回归的姐妹——逻辑回归189
9.3实战：回归分析——短时间开盘价与收盘价之间的关系190
9.3.1量化策略基本思路与简单实现190
9.3.2使用掘金量化实现回测192
9.4买还是卖——逻辑回归帮你做决定196
9.4.1逻辑回归是一种分类算法196
9.4.2逻辑回归的TensorFlow实现197
9.4.3使用TensorFlow的逻辑回归进行回测201
9.5机器学习策略——支持向量机203
9.5.1支持向量机的基本概念203
9.5.2使用支持向量机进行回测204
9.6小结208
第10章回归模型的经典应用209
10.1CAPM模型简介210
10.1.1CAPM定价模型的提出210
10.1.2CAPM定价模型的公式与假设211
10.1.3CAPM中Beta的定义212
10.2Fama-French三因子模型213
10.2.1Fama-French模型的基础公式214
10.2.2Fama-French模型的实现与回测215
10.3PB-ROE回归模型的使用220
10.3.1PB-ROE模型介绍220
10.3.2PB-ROE模型的实现221
10.3.3基于上证180的股票回测226
10.3.4使用自定义股票池的PB-ROE回测232
10.4小结242
第11章配对交易的魔力243
11.1配对交易的基本理论243
11.1.1相关性分析244
11.1.2均值、方差与协方差246
11.2协整性的判定与检验248
11.2.1协整性248
11.2.2平稳性的检验方法249
11.3配对交易253
11.3.1配对交易的算法253
11.3.2提取股票的相关性254
11.3.3协整系数的计算方法257
11.4配对交易的魔力263
11.4.1前期计算263
11.4.2协整性判断265
11.4.3使用量化掘金回测系统对结果进行判定266
11.5小结270


前言/序言

前言
量化投资是一种新兴的系统化的金融投资方法，它综合利用现代金融、计算机、数学以及其他相关行业的知识和方法（包括行为学、心理学等），把投资理念、科学理论和实际数据量化为客观的数理模型，使用计算机技术完成全部或部分的投资决策。
由于量化投资需要把数据、策略、系统、执行4个方面综合起来形成一个有机的整体，因此想使用量化策略去对金融市场进行分析的投资者，除了需要有基本的计算机编程知识外，还需要掌握对金融市场的分析，研究过基本的投资方法。目前图书市场上关于金融投资方面的图书不少，但多数投资只是浅显地进行讲解，过于注重零碎的知识点和心得体会。《Python量化交易实战》以实战为宗旨，通过不同方面的阶段案例，让读者全面、深入、透彻地理解量化投资的原理，提高实际开发水平和项目实战能力。
《Python量化交易实战》是基于作者2017~2018年参与“北京四两资本”与“南京红树林（量化掘金）”私募项目的实战工作的总结。感谢投资人兼基金经理谭云博士给我的很多指导性意见，感谢黄雪雪女士对《Python量化交易实战》基础工作的大力支持，也感谢夏编辑给予的很多写作意见和巨大的支持和鼓励，最后感谢吴雪女士在《Python量化交易实战》出版过程中给予的协助。
《Python量化交易实战》写作特色
1.详细深入的解说
为了便于读者理解《Python量化交易实战》内容，提高学习效率，《Python量化交易实战》从最基本的Python程序设计开始介绍，直到使用专用的程序工具包进行多种金融投资回测，便于初学者快速入门。
2.原理与实战结合
为了让有一定量化投资技术基础的读者进一步提升自己，《Python量化交易实战》部分内容更偏向于原理的讲解，结合书中的实战案例能使初级量化投资者快速提高自己。
3.项目案例典型，实战性强，有较高的应用价值
《Python量化交易实战》使用项目实战案例进行解说，这些案例来源于作者所开发的实际项目，具有很高的应用价值和参考性。学习这些案例便于读者把所介绍的技术融会贯通，部分案例稍加修改，便可用于实际项目开发中。
《Python量化交易实战》内容
第1、2章程序设计语言的基本介绍
第1、2章是《Python量化交易实战》的基本内容，包括程序设计语言Python的基本介绍和安装，以及使用专用编辑器（IDE）PyCharm进行程序设计的方法。此外，还介绍了部分统计学习方法，为后续的内容打下基础。
第3~5章量化掘金的基本使用
第3~5章介绍了量化掘金工具包的安装和专用编辑器的使用，以及专用金融工具分析包Talib（官网名为TA-Lib，遵从中国用户的习惯，《Python量化交易实战》称为Talib）的使用。
第6、7章多因子策略介绍和应用
第6、7章是《Python量化交易实战》首要讲述的重点内容，主要介绍量化投资中最重要的分析方法—多因子策略，详细介绍了基本面多因子以及技术分析多因子策略，以及综合运用多因子策略进行基金组合的设计。
第8~11章回归分析和应用
第8~11章主要介绍回归分析的使用以及使用其进行量化投资的方法，并且额外介绍了一种单独的投资方法—配对交易。这些都是量化投资最基本的策略方法。
源码及相关资源下载地址

《Python量化交易实战》配套的示例源码及相关资源下载地址可以通过扫描右边的二维码获取。
如果下载有问题，或者对《Python量化交易实战》内容有建议和疑问，请联系，邮件主题为“Python量化交易实战”。


《Python量化交易实战》读者
?需要全面学习量化投资技术的初学者。
?希望使用量化投资技术的证券投资经理和从业人员。
?希望提高金融投资水平的其他从业人员。
?高校相关专业的师生和金融机构的学员。
?需要一本量化投资案头查询手册的投资者。

作者
2018年9月


其他推荐