Python与量化投资：从基础到实战
批量上传，套装书可能不全，下单前咨询在线客服！ 正版书 ！！！
￥ 47.42 4.8折 ￥ 99 全新
库存2件
四川成都
认证卖家担保交易快速发货售后保障
作者王小川等
出版社电子工业出版社
ISBN9787121338571
出版时间2018-03
装帧平装
开本16开
定价99元
货号25248716
上书时间2024-10-20
商品详情
- 品相描述：全新
- 商品描述
-
前言
推荐序一
很荣幸收到王小川博士的邀请，为其新书《Python与量化投资：从基础到实战》作序。王小川博士是华创证券研究所非常出色的分析师，在日常工作中非常乐于分享他的开发经验和心得。在本书出版之前，他已经出版了两本关于MATLAB的畅销书，我相信这一本介绍使用Python进行量化投资的新书，会推动相关领域的发展。
在过去的几年中，在很多领域内基于创新类算法的应用场景和相关产品不断涌现，IT的推动作用已经从自动化延展到了智能化。在开源的大氛围下，算法的更新迭代速度不断加快，并在各个领域渗透和融合，专业化程度越来越高。
在金融领域的量化投资、智能投顾、信用评级、新闻监控、舆情分析等多个方向上，目前已经大量使用了相关技术和算法，并且融合的程度在不断加深。与其他领域相比，金融领域的算法应用有其自身的特点：一是信息的来源多、部分数据非结构化；二是在不同的应用场景甚至策略之间，所适用算法的差异较大，例如投资交易的量化策略、智能投顾中的用户画像、新闻处理中的自然语言处理和大数据，都涉及了不同大类的算法；三是投资中各个影响因素之间的逻辑关系复杂化和模糊化；此外，很多金融问题不是单目标优化的，也不是封闭的信息集。
展望未来，在金融科技的落地方向上，量化投资、大数据的Quantamental、精准画像、自然语言处理等依然会是焦点，势必吸引越来越多的关注及资源。量化投资和 Python 这两个词是当下的焦点，王小川博士平时的工作正是其交汇点。正如书名《Python与量化投资：从基础到实战》所表达的，本书包含了王小川博士在工作中的宝贵经验；在案例中描述的示例，正是本研究所金融工程的很多重要研究方向，例如常用的行业轮动、市场中性策略、多因子策略、CTA策略、期权策略、时间序列等。所以，本书对于了解量化开发的运用现状及掌握的开发能力而言，是非常有益的。
考虑到众多读者可能没有Python基础，本书从零开始介绍Python语言，并且由浅入深、循序渐进。值得一提的是，与目前市场上的量化投资类图书不同，本书的特点是接地气、实用性强，并开源了全部的策略代码，读者可以自行运行和修改。
本书还设置了读者互动网站，对于广大投资者提出的关于本书的疑问，可以在时间做出解答。本书可以帮助大家更好地了解量化、掌握方法及提升量化投资的能力，非常值得大家细读。
华中炜
华创证券执委会委员、副总经理兼研究所所长推荐序二互联网时代的量化投资：科技让量化投资和智能投资更普及
科技一直是推动投资行业变革的重要力量，它的发展和应用催生了量化投资的新模式。量化投资利用科学的方法认识市场波动，通过实证方法验证投资假设，通过组合优化生成Alpha交易，可有效地控制风险暴露，高效覆盖大量的投资机会，并提高投资的效率。
自量化投资的开山之作Beat the market：A Scientific Stock Market System出版以来，量化投资便在全球范围内快速发展，涌现出指数基金、对冲基金、SmartBeta和Fund of Funds（FOF）等量化创新产品。量化投资改变了全球资产管理格局，成为主流的投资方法，其管理规模也在快速增长。目前，全球的资产管理公司和对冲基金都是基于量化和指数投资的机构。
量化投资行业的蓬勃发展吸引了众多年轻人投入其中，但因其门槛高、专业性强，只有大型投资机构才有能力提供量化研究和投资平台，普通大众没有机会利用专业的量化平台进行研究和投资，也缺乏系统性的量化投资培训教材，这成为制约行业发展的主要问题。因此，在2015年，通联数据推出开放的量化投资平台——优矿，让普通大众也能够拥有华尔街专业机构的量化装备，让量化投资变得更加容易。借助Python科学计算的能力和海量的金融大数据，在优矿平台上可以快速进行统计推断、因子分析、信号研究、资产定价、事件研究、机器学习、深度学习等量化研究工作。优矿已成长为大型的专业量化平台，为行业的发展培养了很多优秀人才。
优矿的部分特色如下。
海量的金融大数据：提供各类资产和财务数据、因子、主题、宏观行业特色大数据和量化场景PIT数据，保障在量化过程中不引入未来数据。
多资产回测框架：提供股票、期货、指数、场内外基金等多资产多策略回测和丰富的衍生工具，保证多因子策略、事件驱动等的快速实现。
优矿的风险模型：接轨国际化风险模型算法，采用优质原始数据，提供10种风格因子和28种行业因子，全面揭示市场行业风险。
量化因子库：提供400多种量化因子库，除了提供了传统的投资因子，还提供了特色Alpha因子如分析师评级、分析师赢利预测等。
《Python与量化投资：从基础到实战》是华创证券研究所量化团队联合通联数据优矿团队的力作，在很大程度上填补了量化投资培训教材的空白，在本书中循序渐进地讲解了量化投资的思想和策略，并借助Python语言帮助读者从零开始进行量化投资实战。
本书适用于有一定数理及编程基础的人员阅读，如果读者能够静下心来，踏踏实实地学习和思考，去理解量化投资的本质和逻辑，就会发现本书蕴藏的宝贵价值。
展望未来，科技的发展也将推动量化投资升级换代。在传统的量化投资中，交易策略是被事先编程的静态模型，其局限性在于策略在一个时期内的效果非常好，但在市场环境发生变化之后就可能效果不佳。机器学习等人工智能技术的应用推动了量化投资进入新时代，智能机器会在市场的发展和变化中观察到市场的异常，交易策略也会随着市场的变化而变化。
量化投资的另一个新趋势是与基本面投资相结合。我们可以用机器帮助我们学习、归纳和总结基本面投资的分析方法和经验，后形成一套可重复的研究模型。这就是将量化和基本面结合起来，形成“量本投资”的新范式。在未来，无论是做量化还是做基本面的投资者，都应该向中间地带去跨界，去探索。也希望本书的读者们都能够将投资知识和前沿科技融会贯通、学以致用，共同推动中国量化投资行业的发展。
王政
通联数据创始人兼首席执行官前 言为什么写作本书
作为投资者，我们常听到的一句话是“不要把鸡蛋放入同一个篮子中”，可见分散投资可以降低风险，但如何选择不同的篮子、每个篮子放多少鸡蛋，便是见仁见智的事情了，量化投资就是解决这些问题的一种工具。
而Python在1991年诞生，目前已成为非常受欢迎的动态编程语言，由于拥有海量的库，所以Python在各个领域都有广泛应用，在量化投资界采用Python进行科学计算、量化投资的势头也越来越猛。目前各种在线策略编程平台都支持Python语言，例如优矿、米筐、聚宽等，这也是我们选择Python进行量化投资的原因。
目前市场上关于Python与量化投资的图书不少，但仔细研究后不难发现，很多图书都是顶着量化投资的噱头在讲Python的语言基础，其能提供的策略有限，并且大部分不提供回测平台，此类书籍中的策略往往为涨停股票可以买入、跌停股票可以卖出、停牌也可以交易，等等，这大大违背了A股市场的交易规则，难以获得准确的回测结果。
鉴于以上情形，为了更好地推动量化投资在中国的普及与发展，我们编写了《Python与量化投资：从基础到实战》一书，本书兼顾了Python语言与量化策略的编写，既可以为不懂Python语言的读者提供零基础入门，也可以为有Python基础的读者提供量化策略建模参考。细心的读者不难发现，本书量化投资策略部分的介绍篇幅远大于Python语言的介绍篇幅，这也可看出我们出版本书的初心。
如何使用本书
如果您从未接触过Python或者任何其他编程语言，则建议您从第1章开始看起，对Python基础编程稍做了解；如果您已经是Python的忠实用户，则可以从第4章开始看起，直接使用优矿平台完成对策略的编写。关于Python基础部分的内容，您可自行安装、运行Python进行学习；关于量化投资部分的内容，您需要用到优矿在线量化平台，不安装Python也可以运行。
本书的配套代码可以在http://books.hcquant.com下载。
Python基础部分的示例代码的后缀名为.ipynb，是Jupyter Notebook文件，可以直接用Python打开运行；量化投资部分的示例代码的后缀名为.nb，需要上传到优矿的Notebook运行。
本书讲了什么
本书分为两大部分，共有7章，前3章为Python基础部分，可以帮助读者快速上手Python；后4章为量化投资部分，借助通联数据优矿平台进行数据处理与策略建立，将各种策略代码直接开源，并且对各种策略进行了介绍与点评，可谓本书的精华部分。
第1章为准备工作，主要介绍Python的安装与常用的库，尤其是在量化投资领域会使用到的数据分析库。
第2章介绍Python的基础操作，为后续讲解Python量化投资做准备，等于从零开始讲解，可在短时间内快速上手Python编程。
第3章讲解Python的进阶内容，在第2章的基础上详细介绍NumPy、Pandas、SciPy、Seaborn、Scikit-Learn、SQLAlchemy等经典库，是对前两章的升华和应用。
第4章讲解常用金融数据的获取与整理，包括数据整合、数据过滤、数据探索与清洗、数据转化，等等。
第5章介绍通联数据回测平台，内容涉及回测平台函数参数介绍、股票/期货模板实例讲解、回测结果分析、风险评价指标与回测细节的注意事项。
第6章讲解常见的量化策略及其实现，内容涉及行业轮动、市场中性Alpha、大师类策略、CTA策略、Smart Beta、技术指标类策略、资产配置、时间序列分析、组合优化器、期权策略等。代码全部公开，您可在短时间内使用我们的策略模板编写适合自己的策略。
第7章给出了10道自问自答题目，可便于您在短时间内更好地了解量化投资，希望对您做投资有所帮助。
读者支持及反馈
本书提供了在线“有问必答”服务，可以扫描下面的二维码填写相关信息，成为本书的认证读者，在优矿社区中发帖提问，我们会安排专门人service@hcquant.com“读者反馈”字样。同时，您可以在优矿社区进行反馈（https://uqer.io/community/
service@hcquant.com
www.broadview.com.cn
◎
◎
◎
http://www.broadview.com.cn/33857
导语摘要
本书主要讲解如何利用Python进行量化投资，包括对数据的获取、整理、分析挖掘、信号构建、策略构建、回测、策略分析等。本书也是利用Python进行数据分析的指南，有大量的关于数据处理分析的应用，并将重点介绍如何高效地利用Python解决投资策略问题。本书分为Python基础和量化投资两大部分：Python基础部分主要讲解Python软件的基础、各个重要模块及如何解决常见的数据分析问题；量化投资部分在Python基础部分的基础上，讲解如何使用优矿（uqer.io）回测平台实现主流策略及高级定制策略等。本书可作为专业金融从业者进行量化投资的工具书，也可作为金融领域的入门参考书。在本书中有大量的Python代码、Python量化策略的实现代码等，尤其是对于量化策略的实现代码，读者可直接自行修改并获得策略的历史回测结果，甚至可将代码直接实盘应用，进行投资。
作者简介
通联数据资深量化投资专家，多本畅销书的作者，在量化投资领域和神经网络领域有自己的流量，人气颇高，为高水准高知名度作者。
目录
目 录
第1章 准备工作1
1.1 Python的安装与设置1
1.2 常见的Python库2
第2章 Python基础介绍7
2.1 Python学习准备7
2.2 Python语法基础11
2.2.1 常量与变量11
2.2.2 数与字符串11
2.2.3 数据类15
2.2.4 标识符18
2.2.5 对象19
2.2.6 行与缩进20
2.2.7 注释22
2.3 Python运算符与表达式22
2.3.1 算数运算符22
2.3.2 比较运算符24
2.3.3 逻辑运算符25
2.3.4 Python中的优先级27
2.4 Python中的控制流27
2.4.1 控制流的功能28
2.4.2 Python的三种控制流29
2.4.3 认识分支结构if30
2.4.4 认识循环结构for…in32
2.4.5 认识循环结构while33
2.4.6 break语句与continue语句35
2.5 Python函数39
2.5.1 认识函数39
2.5.2 形参与实参40
2.5.3 全局变量与局部变量44
2.5.4 对函数的调用与返回值45
2.5.5 文档字符串46
2.6 Python模块47
2.6.1 认识Python模块47
2.6.2 from…import详解49
2.6.3 认识__name__属性50
2.6.4 自定义模块50
2.6.5 dir()函数51
2.7 Python异常处理与文件操作52
2.7.1 Python异常处理52
2.7.2 异常的发生55
2.7.3 try…finally的使用56
2.7.4 文件操作57
第3章 Python进阶59
3.1 NumPy的使用59
3.1.1 多维数组ndarray59
3.1.2 ndarray的数据类型60
3.1.3 数组索引、切片和赋值61
3.1.4 基本的数组运算62
3.1.5 随机数63
3.2 Pandas的使用67
3.2.1 Pandas的数据结构68
3.2.2 Pandas输出设置70
3.2.3 Pandas数据读取与写入70
3.2.4 数据集快速描述性统计分析71
3.2.5 根据已有的列建立新列72
3.2.6 DataFrame按多列排序73
3.2.7 DataFrame去重73
3.2.8 删除已有的列74
3.2.9 Pandas替换数据75
3.2.10 DataFrame重命名75
3.2.11 DataFrame切片与筛选76
3.2.12 连续型变量分组78
3.2.13 Pandas分组技术79
3.3 SciPy的初步使用83
3.3.1 回归分析84
3.3.2 插值87
3.3.3 正态性检验89
3.3.4 凸优化93
3.4 Matplotlib的使用97
3.5 Seaborn的使用97
3.5.1 主题管理98
3.5.2 调色板101
3.5.3 分布图102
3.5.4 回归图104
3.5.5 矩阵图106
3.5.6 结构网格图108
3.6 Scikit-Learn的初步使用109
3.6.1 Scikit-Learn学习准备110
3.6.2 常见的机器学习模型111
3.6.3 模型评价方法——metric模块120
3.6.4 深度学习124
3.7 SQLAlchemy与常用数据库的连接124
3.7.1 连接数据库125
3.7.2 读取数据126
3.7.3 存储数据126
第4章 常用数据的获取与整理129
4.1 金融数据类型129
4.2 金融数据的获取131
4.3 数据整理135
4.3.1 数据整合135
4.3.2 数据过滤137
4.3.3 数据探索与数据清洗138
4.3.4 数据转化140
第5章 通联数据回测平台介绍143
5.1 回测平台函数与参数介绍144
5.1.1 设置回测参数144
5.1.2 accounts账户配置154
5.1.3 initialize（策略初始化环境）160
5.1.4 handle_data（策略运行逻辑）160
5.1.5 context（策略运行环境）160
5.2 股票模板实例168
5.3 期货模板实例173
5.4 策略回测详情179
5.5 策略的风险评价指标181
5.6 策略交易细节184
第6章 常用的量化策略及其实现187
6.1 量化投资概述187
6.1.1 量化投资简介187
6.1.2 量化投资策略的类型188
6.1.3 量化研究的流程189
6.2 行业轮动理论及其投资策略192
6.2.1 行业轮动理论简介192
6.2.2 行业轮动的原因192
6.2.3 行业轮动投资策略194
6.3 市场中性Alpha策略199
6.3.1 市场中性Alpha策略介绍199
6.3.2 市场中性Alpha策略的思想和方法200
6.3.3 实例展示201
6.4 大师策略206
6.4.1 麦克·欧希金斯绩优成分股投资法207
6.4.2 杰拉尔丁·维斯蓝筹股投资法211
6.5 CTA策略219
6.5.1 趋势跟随策略219
6.5.2 均值回复策略241
6.5.3 CTA策略表现分析253
6.6 Smart Beta258
6.6.1 基于权重优化的Smart Beta258
6.6.2 基于风险因子的Smart Beta268
6.7 技术指标类策略281
6.7.1 AROON指标281
6.7.2 BOLL指标285
6.7.3 CCI指标288
6.7.4 CMO指标293
6.7.5 Chaikin Oscillator指标295
6.7.6 DMI指标299
6.7.7 优矿平台因子汇总302
6.8 资产配置317
6.8.1 有效边界318
6.8.2 Black-Litterman模型335
6.8.3 风险平价模型349
6.9 时间序列分析358
6.9.1 与时间序列分析相关的基础知识358
6.9.2 自回归（AR）模型365
6.9.3 滑动平均（MA）模型372
6.9.4 自回归滑动平均（ARMA）模型376
6.9.5 自回归差分滑动平均（ARIMA）模型379
6.10 组合优化器的使用384
6.10.1 优化器的概念384
6.10.2 优化器的API接口386
6.10.3 优化器实例388
6.11 期权策略：Greeks和隐含波动率微笑计算392
6.11.1 数据准备392
6.11.2 Greeks和隐含波动率计算394
6.11.3 隐含波动率微笑401
第7章 量化投资十问十答405
内容摘要
本书主要讲解如何利用Python进行量化投资，包括对数据的获取、整理、分析挖掘、信号构建、策略构建、回测、策略分析等。本书也是利用Python进行数据分析的指南，有大量的关于数据处理分析的应用，并将重点介绍如何高效地利用Python解决投资策略问题。本书分为Python基础和量化投资两大部分：Python基础部分主要讲解Python软件的基础、各个重要模块及如何解决常见的数据分析问题；量化投资部分在Python基础部分的基础上，讲解如何使用优矿（uqer.io）回测平台实现主流策略及高级定制策略等。本书可作为专业金融从业者进行量化投资的工具书，也可作为金融领域的入门参考书。在本书中有大量的Python代码、Python量化策略的实现代码等，尤其是对于量化策略的实现代码，读者可直接自行修改并获得策略的历史回测结果，甚至可将代码直接实盘应用，进行投资。
主编推荐
通联数据资深量化投资专家，多本畅销书的作者，在量化投资领域和神经网络领域有自己的流量，人气颇高，为高水准高知名度作者。
相关推荐
— 没有更多了 —
以下为对购买帮助不大的评价