Python量化投资：技术 模型与策略

图书标准信息

• 作者 赵志强 刘志伟
• 出版社 机械工业出版社
• 出版时间 2020-09
• 版次 1
• ISBN 9787111664239
• 定价 79.00元
• 装帧 其他
• 开本 16开
• 纸张 胶版纸
• 页数 268页
• 字数 200千字

【内容简介】

全书共18章，前11章主要讲解基础知识。第1章介绍了什么是量化投资，以及为什么要用Python。第2章介绍了如何搭建基础环境，介绍了常用的一些工具。第3章讲解python的基本应用和常用的库。第4章介绍python数据分析中常用的Numpy, Scipy, Pandas。第5章介绍数据分析的基础方法。第6章介绍数据的可视化，使用matplotlib库。第7章介绍基础的金融分析方法。第8章介绍技术分析和时序序列分析，从业界和学术界两种角度来进行分析。第9章介绍了投资组合理论和由此衍生出来的多因子模型。第10章介绍了金融市场中衍生品的分析，以期货和期权为主。第11章从利率开始，介绍了债券的分析方法。
  从第12章开始进入实战篇。第12章讲解中国金融市场，主要针对二级市场，并介绍了针对不同市场的基本投资策略。第13章介绍了，研究策略时，所需的数据来源，开源数据和商业数据库都有介绍。并且介绍目前比较流行的python的开源数据源。第14章介绍了如何建立数据库，并且讲解针对不同数据，如何设计数据库。第15章介绍了策略研究基本概念，方法论和流程。第16章介绍了进行自动化交易的接口，并且介绍了目前比较流行的开源项目vn.py。第17章介绍了如何使用python爬取网络上数据，并进行舆情分析。第18章介绍了人工智能的基本概念和算法，并且介绍了人工智能在量化投资中的应用。

【作者简介】

:
    刘志伟，在中国银联云闪付事业部从事数据分析、数据挖掘等工作。对自然语言处理、文本分类、实体识别、关系抽取、传统机器学习，以及大数据技术栈均有实践经验。目前正在探索相关技术在金融场景内的落地应用，包括自动知识图谱、大规模文本信息抽取结构化、异常识别等领域，关注人工智能行业前沿技术发展。

【目录】

推荐序一

推荐序二

推荐序三

前言

第1章　量化投资与Python简介  1

1.1　量化投资基本概念  1

1.2　量化投资的特征  2

1.3　量化投资的优势  3

1.4　量化、AI并不是一切  4

1.5　编程语言比较  5

1.5.1　Matlab  5

1.5.2　R  6

1.5.3　C++  6

1.5.4　Python  6

1.5.5　其他语言  7

1.6　为什么要使用Python  7

1.7　Python构建量化投资生产线  10

第2章　平台搭建和工具  11

2.1　需要考虑的问题  11

2.2　编程环境搭建流程  12

2.2.1　其他库的安装  12

2.2.2　四种集成开发环境（IDE）介绍  13

第3章　Python金融分析常用库介绍  17

3.1　NumPy  17

3.1.1　创建多维数组  18

3.1.2　选取数组元素  19

3.2　SciPy  20

3.3　Pandas  21

3.3.1　DataFrame入门  21

3.3.2　Series  35

3.4　StatsModels  36

第4章　可视化分析  39

4.1　Matplotlib  39

4.1.1　散点图  39

4.1.2　直方图  40

4.1.3　函数图  40

4.1.4　Matplotlib和seaborn的中文乱码问题  42

4.2　seaborn  43

4.3　python-highcharts  47

第5章　统计基础  53

5.1　基本统计概念  53

5.1.1　随机数和分布  53

5.1.2　随机数种子  58

5.1.3　相关系数  58

5.1.4　基本统计量  59

5.1.5　频率分布直方图  60

5.2　连续随机变量分布  63

5.2.1　分布的基本特征  63

5.2.2　衍生特征  66

5.3　回归分析  68

5.3.1　最小二乘法  68

5.3.2　假设检验  71

第6章　数据预处理和初步探索  74

6.1　数据清理  74

6.1.1　可能的问题  75

6.1.2　缺失值  75

6.1.3　噪声或者离群点  76

6.1.4　数据不一致  77

6.2　描述性统计  77

6.2.1　中心趋势度量  77

6.2.2　数据散布度量  78

6.3　描述性统计的可视化分析  79

6.3.1　直方图  79

6.3.2　散点图  82

6.3.3　盒图  83

第7章　Pandas进阶与实战  86

7.1　多重索引  86

7.2　数据周期变换  90

第8章　金融基础概念  92

8.1　收益率  92

8.2　对数收益率  93

8.3　年化收益  93

8.4　波动率  93

8.5　夏普比率  94

8.6　索提诺比率  96

8.7　阿尔法和贝塔  96

8.8　最大回撤  97

第9章　资产定价入门  98

9.1　利率  98

9.2　利率的计量  99

9.3　零息利率  100

9.4　债券定价  101

9.4.1　债券收益率  101

9.4.2　平价收益率  102

9.4.3　国债零息利率确定  102

9.4.4　远期利率  105

9.5　久期  106

9.6　期权  106

9.7　期权的描述  107

9.8　看涨期权和看跌期权  107

9.9　期权价格与股票价格的关系  108

9.10　影响期权价格的因素  108

第10章　金融时间序列分析  110

10.1　为什么用收益率而不是价格  110

10.2　金融时间序列定义  110

10.3　平稳性  112

10.4　白噪声序列  112

10.5　自相关系数  113

10.6　混成检验  114

10.7　AR（p）模型  115

10.7.1　AR（p）模型简介  115

10.7.2　AR(p)平稳性检验  115

10.7.3　AR(p)如何确定参数p  117

10.8　信息准则  119

10.8.1　拟合优度  120

10.8.2　预测  121

10.9　ARMA模型  122

10.9.1　MA模型  122

10.9.2　ARMA模型公式  124

10.9.3　ARMA模型阶次判定  124

10.9.4　建立ARMA模型  125

10.10　ARCH和GARCH模型  126

10.10.1　波动率的特征  127

10.10.2　波动率模型框架  127

10.10.3　ARCH模型  127

10.10.4　GARCH模型  132

第11章　数据源和数据库  135

11.1　数据来源  135

11.2　TuShare  135

11.2.1　TuShare安装  136

11.2.2　TuShare的Python SDK  136

11.3　pandas-reader  137

11.4　万得接口  141

11.4.1　一个简单例子  141

11.4.2　数据库  142

11.4.3　下载所有股票历史数据  143

第12章　CTA策略  145

12.1　趋势跟踪策略理论基础  145

12.2　技术指标  146

12.3　主力合约的换月问题  147

12.4　用Python实现复权  148

12.4.1　加减复权  148

12.4.2　乘除复权  149

12.5　安装ta-lib  151

12.6　ta-lib的指标和函数介绍  152

12.7　可叠加指标  153

12.7.1　MA、EMA  154

12.7.2　Bollinger Bands  155

12.8　动量指标  156

12.8.1　动量指标简介  156

12.8.2　相对强弱指标  157

12.9　成交量指标  158

12.10　波动率指标  158

12.11　价格变换  159

12.12　Pattern Recognition  160

12.13　一个简单策略模式  163

第13章　策略回测  165

13.1　回测系统是什么  165

13.2　各种回测系统简介  165

13.3　什么是回测  166

13.4　回测系统的种类  167

13.4.1　“向量化”系统  167

13.4.2　For循环回测系统  167

13.4.3　事件驱动系统  168

13.5　回测的陷阱  169

13.6　回测中的其他考量  169

13.7　回测系统概览  170

13.8　使用Python搭建回测系统  171

13.8.1　Python向量化回测  171

13.8.2　Python For循环回测  174

13.8.3　PyAlgoTrade简介  177

第14章　多因子风险模型  181

14.1　风险定义  181

14.2　资本资产定价模型  182

14.3　套利定价理论  182

14.4　多因子模型  183

14.5　多因子模型的优势  183

14.6　建立多因子模型的一般流程  184

14.6.1　风险因子的种类  184

14.6.2　反映外部影响的因子  184

14.6.3　资产截面因子  184

14.6.4　统计因子  184

14.7　行业因子  185

14.8　风险因子  185

14.8.1　风险因子分类  185

14.8.2　投资组合风险分析  186

14.9　基准组合  186

14.10　因子选择和测试  187

14.11　Fama-French三因子模型  187

14.12　因子发掘与论证  191

14.13　单因子有效性分析alphalens  192

14.13.1　数据预处理  192

14.13.2　收益率分析  195

14.13.3　信息系数分析  198

14.14　财务因子为什么不好用  201

第15章　资金分配  203

15.1　现代/均值-方差资产组合理论  203

15.1.1　MPT理论简介  203

15.1.2　随机权重的夏普比率  204

15.1.3　最大化夏普比率  207

15.2　Black-Litterman资金分配模型  209

15.2.1　MPT的优化矩阵算法  209

15.2.2　Black-Litterman模型  215

第16章　实盘交易和vn.py框架  219

16.1　交易平台简介  219

16.2　交易框架vn.py  219

16.3　vn.py的安装和配置  220

16.3.1　安装VN Studio  220

16.3.2　运行VN Station  221

16.3.3　启动VN Trader  222

16.4　CTA策略模块分析  224

16.5　第一个入门策略  225

16.5.1　创建策略文件  225

16.5.2　定义策略类  225

16.5.3　设置参数变量  229

16.5.4　交易逻辑实现  230

16.5.5　实盘K线合成  232

16.6　on_tick和on_bar  233

16.6.1　on_tick的逻辑  233

16.6.2　on_bar的逻辑  234

16.6.3　策略的两种模式  235

第17章　Python与Excel交互  239

17.1　Excel相关库简介  239

17.2　OpenPyxl基础  239

17.2.1　OpenPyxl入门操作  239

17.2.2　Pandas与Excel  242

17.2.3　在Excel中绘图  244

后记  252