扫一扫
关注中图网
官方微博
本类五星书更多>
-
>
决战行测5000题(言语理解与表达)
-
>
软件性能测试.分析与调优实践之路
-
>
第一行代码Android
-
>
深度学习
-
>
Unreal Engine 4蓝图完全学习教程
-
>
深入理解计算机系统-原书第3版
-
>
Word/Excel PPT 2013办公应用从入门到精通-(附赠1DVD.含语音视频教学+办公模板+PDF电子书)
Python金融量化分析 版权信息
- ISBN：9787302659983
- 条形码：9787302659983 ; 978-7-302-65998-3
- 装帧：平装-胶订
- 册数：暂无
- 重量：暂无
- 所属分类：>
Python金融量化分析 本书特色
前海开源基金合伙人王宏远和量化投资总监陆琦，以及摩根大通前中国投资银行主席龚方雄力荐。
将计量经济学与现代金融学理论融入金融量化分析与交易策略设计之中。
结合应用案例详解趋势追踪、小市值、海龟交易和网格交易等常用策略的实现方法。
详解金融量化分析需要掌握的大部分开源模块，包括Pandas、NumPy、TA-Lib、Empyrical、Mplfinance和Backtrader等，实现免费获取金融数据、清洗数据、存储数据和构建金融交易策略（回测）等需求。
书中的每个示例都按照“示例→实现代码→程序输出结果→程序说明”的模式进行讲解，思路清晰，易于理解。
不仅详细介绍各种常用量化交易策略代码的实现过程，而且对量化交易策略的实际回测结果给出说明，尽量避免出现“代码正确无误，而回测效果一塌糊涂”的情况。
结合208个典型示例讲解，每个示例均力求贴近实战需求，有较强的实用性。
提供30余幅示意图，帮助读者更加直观地理解相关示例代码的输出结果。
每章后都精心提供思考题（全书共23道），帮助读者进一步加深对各章内容的理解。
提供精心制作的教学PPT，便于读者梳理知识点，并方便教师教学时使用。
Python金融量化分析 内容简介
本书共9章，涵盖的主要内容有金融量化交易策略分析概述，Python的基础语法，Pandas模块基础，NumPy基础，数据获取与清洗，金融量化交易策略实战，TA-Lib、Empyrical与Mplfinance模块的使用方法，金融数据回归分析，ARIMA与VAR模型在金融量化领域的应用，开源金融量化交易策略回测框架Backtrader的使用方法等。
Python金融量化分析 目录
第1章 金融量化交易策略分析概述 1
1.1 金融量化分析简介 1
1.1.1 金融量化分析的应用范畴 1
1.1.2 金融量化分析的基本流程 2
1.1.3 金融量化分析的方法与工具 2
1.1.4 金融量化分析的势 3
1.2 金融量化分析的困局 3
1.2.1 金融量化分析策略的同质化 4
1.2.2 量化分析工具的局限性 4
1.2.3 量化分析结果的随机性 5
1.3 金融量化分析注意事项 5
1.4 本章小结 6
1.5 思考题 6
第2章 金融量化分析工具的准备——基础语法 7
2.1 Python简介 7
2.1.1 Python数据处理的势 7
2.1.2 Python的基本语法 8
2.2 Python变量 9
2.2.1 变量的命名规则 9
2.2.2 数值型变量 10
2.2.3 布尔类型变量 10
2.2.4 字符串类型变量 11
2.2.5 列表类型变量 14
2.2.6 元组类型变量 16
2.2.7 集合类型变量 17
2.2.8 字典类型变量 18
2.3 流程控制 19
2.3.1 逻辑判断 20
2.3.2 if判断 20
2.3.3 循环语句 21
2.4 函数 23
2.4.1 函数的定义与调用 23
2.4.2 函数的参数 24
2.4.3 lambda匿名函数 26
2.4.4 Python高函数 27
2.5 类与对象 31
2.5.1 创建类与实例对象 31
2.5.2 面向对象的封装 35
2.5.3 面向对象的继承 37
2.5.4 面向对象的多态 38
2.6 模块应用 39
2.6.1 模块的安装、卸载与调用 39
2.6.2 Python内置模块示例1：datetime模块 41
2.6.3 Python内置模块示例2：os模块 44
2.7 本章小结 45
2.8 思考题 45
第3章 金融量化分析工具的准备——Pandas基础 46
3.1 Pandas简介 46
3.1.1 Pandas的主要势 46
3.1.2 Pandas的主要功能 47
3.1.3 Pandas的底层结构 47
3.2 Series对象 48
3.2.1 创建Series对象 48
3.2.2 访问Series对象数据 50
3.2.3 Series对象的常用属性 50
3.2.4 Series对象的常用函数 51
3.3 DataFrame对象 55
3.3.1 DataFrame对象的数据存储结构 55
3.3.2 创建DataFrame对象 56
3.3.3 DataFrame对象的常用属性 59
3.3.4 DataFrame的列作方法 60
3.4 Pandas金融量化分析应用 66
3.4.1 统计计算 67
3.4.2 累计计算 67
3.4.3 获取CSV文件数据 68
3.4.4 获取SQLite数据库中的数据 70
3.5 Pandas数据可视化 72
3.5.1 折线图 72
3.5.2 直方图 77
3.6 本章小结 79
3.7 思考题 79
第4章 金融量化分析工具的准备——NumPy基础 80
4.1 NumPy简介 80
4.1.1 NumPy的主要势 80
4.1.2 NumPy的主要功能 81
4.1.3 ndarray的底层结构 81
4.2 ndarray对象的创建 82
4.2.1 创建ndarray对象的方法 82
4.2.2 创建殊的ndarray对象 83
4.3 ndarray数组数据的访问 84
4.3.1 索引 84
4.3.2 切片 86
4.4 NumPy数组作 88
4.4.1 修改ndarray数组形状 88
4.4.2 合并ndarray数组 91
4.4.3 分割ndarray数组 92
4.4.4 删除ndarray数组数据 93
4.4.5 添加数组数据 94
4.5 NumPy模块的主要函数 95
4.5.1 统计类函数 95
4.5.2 线性代数类函数 97
4.5.3 排序与筛选类函数 98
4.6 NumPy随机数处理 102
4.6.1 NumPy处理随机数问题的势 102
4.6.2 生成随机数 102
4.6.3 随机抽样 104
4.6.4 随机模拟实验 105
4.7 本章小结 107
4.8 思考题 107
第5章 金融量化分析数据的准备 108
5.1 数据获取 108
5.1.1 从Tushare平台上获取数据 108
5.1.2 从AkShare模块中获取数据 110
5.1.3 从qstock模块中获取数据 112
5.1.4 从Alpha Vantage API中获取数据 118
5.2 数据清洗 124
5.2.1 数据清洗的内容 124
5.2.2 数据清洗示例 125
5.2.3 数据清洗进——JSON数据清洗 128
5.3 数据存储 131
5.3.1 用CSV文件存储数据 131
5.3.2 用SQLite数据储数据 132
5.4 本章小结 138
5.5 思考题 138
第6章 金融量化交易策略开发实战 139
6.1 趋势追踪交易策略 139
6.1.1 趋势追踪交易策略介绍 139
6.1.2 趋势追踪交易策略实战代码 140
6.1.3 趋势追踪交易策略实战代码详解 142
6.2 底背离交易策略实战 146
6.2.1 底背离交易策略介绍 146
6.2.2 底背离交易策略实战代码 147
6.2.3 底背离交易策略实战代码详解 148
6.3 小市值交易策略实战 149
6.3.1 小市值交易策略介绍 149
6.3.2 小市值交易策略实战代码 150
6.3.3 小市值交易策略实战代码详解 152
6.4 海龟交易策略实战 153
6.4.1 海龟交易策略介绍 153
6.4.2 海龟交易策略实战代码 153
6.4.3 海龟交易策略实战代码详解 156
6.5 网格交易策略实战 159
6.5.1 网格交易策略介绍 159
6.5.2 网格交易策略实战代码 160
6.5.3 网格交易策略实战代码详解 164
6.6 本章小结 167
6.7 思考题 167
第7章 金融量化分析常用的工具模块 168
7.1 TA-Lib模块 168
7.1.1 TA-Lib模块的安装 168
7.1.2 TA-Lib模块的函数类别 170
7.1.3 TA-Lib模块的常用函数 174
7.2 Empyrical模块 176
7.2.1 Empyrical模块的点 177
7.2.2 Empyrical模块的用途 177
7.2.3 Empyrical模块的常用函数 177
7.3 Mplfinance模块 184
7.3.1 Mplfinance模块的点 184
7.3.2 Mplfinance模块的主要函数 185
7.3.3 通过Mplfinance模块绘制K线图 189
7.4 本章小结 199
7.5 思考题 199
第8章 金融量化分析高级应用 200
8.1 金融数据回归分析 200
8.1.1 回归分析的基本原理 200
8.1.2 回归分析的步骤 201
8.1.3 构建回归模型示例 201
8.2 金融数据时间序列ARIMA模型回归分析 203
8.2.1 时间序列分析模型介绍 203
8.2.2 ARIMA模型的计算公式 204
8.2.3 构建ARIMA模型示例 205
8.3 金融数据时间序列VAR模型回归分析 215
8.3.1 VAR模型介绍 215
8.3.2 构建VAR模型示例 216
8.4 金融资产组合化量化分析 223
8.4.1 马科维茨模型 223
8.4.2 利用cvxpy模块求解马科维茨模型 224
8.4.3 金融资产组合化问题解决方案（通用） 226
8.5 本章小结 227
8.6 思考题 228
第9章 金融量化回测框架Backtrader实战应用 229
9.1 Backtrader框架简介 229
9.1.1 Backtrader框架的势与点 229
9.1.2 Backtrader回测框架的工作流程 230
9.2 Backtrader框架的数据准备 230
9.2.1 数据准备注意事项 230
9.2.2 数据读取函数 231
9.2.3 使用GenericCSVData函数读取数据 231
9.2.4 使用PandasData函数读取数据 235
9.2.5 同时加载多组数据 236
9.2.6 读取非OHLC数据 238
9.2.7 使用resampledata函数进行数据重新采样 241
9.3 Backtrader框架的指标 242
9.3.1 定义指标的核心要素 242
9.3.2 定义指标的步骤 243
9.3.3 定义指标示例 245
9.4 Backtrader框架的数据引用 249
9.4.1 加载数据的基础引用 249
9.4.2 加载数据的切片引用 250
9.4.3 指标值的引用 250
9.4.4 数据引用综合案例 251
9.5 Backtrader框架的自定义策略类 255
9.5.1 自定义策略类的核心问题 255
9.5.2 Backtrader策略类的内生命周期函数 255
9.5.3 Backtrader策略类实例讲解 256
9.6 Backtrader框架的观察器应用 263
9.6.1 观察器的核心用途 263
9.6.2 默认加载观察器 263
9.6.3 加载内置的观察器 264
9.6.4 加载自定义观察器 266
9.7 Backtrader框架的分析器应用 268
9.7.1 分析器与观察器的关系 268
9.7.2 分析器之交易记录——Transactions类 268
9.7.3 分析器之交易记录——TradeAnalyzer类 271
9.8 本章小结 272
9.9 思考题 272
展开全部
Python金融量化分析 作者简介
肖建军，经济学博士，应用经济学博士后，厦门工学院副教授。先后供职于大型银行总部、信托公司、私募基金公司等金融机构，从事金融投资、量化分析研究与实务等工作。目前专注于金融量化交易策略和加密货币结算等相关研究与开发工作。
高拴平，经济学博士，产业经济学博士后，享受国务院特殊津贴专家，厦门工学院教授。主要从事产业经济和数字经济方面的教学与科研工作。出版专著和教材8部，发表学术论文30余篇，承担省部级课题3项，获省部级教学科研成果奖3项。
书友推荐
- >
罗曼·罗兰读书随笔-精装
罗曼·罗兰读书随笔-精装
¥20.3¥58.0 - >
小考拉的故事-套装共3册
小考拉的故事-套装共3册
¥36.7¥68.0 - >
二体千字文
二体千字文
¥14.0¥40.0 - >
姑妈的宝刀
姑妈的宝刀
¥9.0¥30.0 - >
中国历史的瞬间
中国历史的瞬间
¥16.7¥38.0 - >
月亮虎
月亮虎
¥14.4¥48.0 - >
【精装绘本】画给孩子的中国神话
【精装绘本】画给孩子的中国神话
¥17.6¥55.0 - >
月亮与六便士
月亮与六便士
¥15.1¥42.0
本类畅销
-
详解Spring Boot(从入门到企业级开发实战)/孙鑫精品图书系列
¥64.2¥129 -
PYTHON应用与实战
¥52.9¥79.8 -
Python编程与数值方法
¥79.6¥109 -
Go语言从入门到项目实战(视频版)
¥60.4¥108 -
软件设计师
¥14.2¥38 -
GO语言编程从入门到实践
¥75.6¥108
