PYTHON量化交易:策略.技巧与实战
全新正版 假一赔十 可开发票
￥ 62.63 6.3折 ￥ 99 全新
库存2件
北京东城
认证卖家担保交易快速发货售后保障
作者张彦桥
出版社电子工业出版社
ISBN9787121370908
出版时间2019-08
装帧其他
开本其他
定价99元
货号1201922692
上书时间2024-12-12
商品详情
- 品相描述：全新
- 商品描述
-
作者简介
张彦桥，现任青岛东胜伟业软件科技有限公司项目开发部经理，具有8年以上Python、Java项目开发经验。精通Visual Basic、JavaScript、PHP、C、C#、Ruby等编程语言，熟悉多种开源技术，喜欢挑战新技能，曾带领团队完成过多个中、小型项目开发，在量化交易，数据安全、云计算、机器学习、物联网、区块链等领域拥有丰富的经验。
目录
目 录
第1章 量化交易概述1
1.1 初识量化交易2
1.1.1 什么是量化交易2
1.1.2 量化交易与算法交易2
1.1.3 量化交易与程序化交易2
1.1.4 量化交易与技术分析3
1.1.5 量化交易与人工交易3
1.1.6 为什么要学习量化交易4
1.2 量化交易的特点5
1.3 量化交易的应用6
1.3.1 投资品种选择7
1.3.2 投资时机选择7
1.3.3 算法交易7
1.3.4 各种套利交易9
1.3.5 资产配置10
1.4 量化交易的故事11
1.4.1 朱尔斯·雷格纳特的量化交易故事11
1.4.2 爱德华·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 量化交易的历史14
1.5.1 国外量化交易的历史14
1.5.2 国内量化交易的历史15
1.6 量化交易的注意事项15
第2章 量化交易平台17
2.1 初识JoinQuant聚宽量化交易平台18
2.2 量化交易平台的功能18
2.2.1 高质量数据和强大的研究平台18
2.2.2 很好回测体验和很好模拟交易19
2.3 账户的注册、登录及量化交易策略的创建19
2.3.1 量化交易平台账户的注册19
2.3.2 量化交易平台账户的登录20
2.3.3 量化交易策略的创建22
2.4 量化交易策略的选股技巧24
2.4.1 量化选股的基本设置24
2.4.2 选股指标27
2.5 量化交易策略的买卖条件模型31
2.5.1 轮动模型32
2.5.2 择时模型33
2.6 量化交易策略的风险控制技巧35
2.6.1 止盈、止损指标35
2.6.2 其他指标36
2.7 量化交易策略的其他参数设置技巧36
2.8 编写Python代码来创建量化交易策略38
2.9 量化交易策略的回测39
2.10 量化交易策略的模拟交易41
2.10.1 新建模拟交易并运行41
2.10.2 查看模拟交易42
2.10.3 绑定微信45
2.11 量化交易策略的实盘交易46
第3章 Python开发环境及编程基础49
3.1 初识Python50
3.1.1 Python的发展历程50
3.1.2 Python的特点50
3.2 Python开发环境及配置51
3.2.1 Python的下载和安装51
3.2.2 Python的环境变量配置53
3.3 Python程序的编写57
3.4 利用量化交易平台编写Python程序61
3.4.1 初识IPython Notebook研究平台62
3.4.2 利用IPython Notebook编写Python程序66
3.5 Python的基本数据类型67
3.5.1 数值类型67
3.5.2 字符串69
3.6 Python的变量与赋值73
3.6.1 变量命名规则73
3.6.2 变量的赋值74
3.7 Python的基本运算74
3.7.1 算术运算75
3.7.2 赋值运算76
3.7.3 位运算77
3.8 Python的代码格式78
3.8.1 代码缩进78
3.8.2 代码注释79
3.8.3 空行80
3.8.4 同一行显示多条语句80
第4章 Python流程控制与特征数据类型81
4.1 Python的选择结构82
4.1.1 关系运算82
4.1.2 逻辑运算83
4.1.3 if语句84
4.1.4 嵌套if语句86
4.2 Python的循环结构87
4.2.1 while循环87
4.2.2 while循环使用else语句88
4.2.3 无限循环89
4.2.4 for循环90
4.2.5 在for循环中使用range()函数90
4.2.6 break语句92
4.2.7 continue语句92
4.2.8 pass语句93
4.3 Python的特征数据类型94
4.3.1 列表94
4.3.2 元组97
4.3.3 字典99
4.3.4 集合100
第5章 Python函数与面向对象104
5.1 Python内置函数105
5.1.1 数学函数105
5.1.2 随机数函数106
5.1.3 三角函数108
5.1.4 字符串函数110
5.2 用户自定义函数113
5.2.1 自定义函数的定义113
5.2.2 调用自定义函数114
5.2.3 函数的参数传递116
5.2.4 函数的参数类型118
5.2.5 匿名函数123
5.3 Python的面向对象123
5.3.1 面向对象概念124
5.3.2 类与实例124
5.3.3 模块的引用127
5.3.4 包127
5.4 变量作用域及类型130
5.4.1 变量作用域130
5.4.2 全局变量和局部变量131
5.4.3 global和nonlocal关键字132
第6章 Python量化交易策略的常用库135
6.1 Numpy库136
6.1.1 ndarray数组基础136
6.1.2 Numpy的矩阵对象148
6.2 Pandas库149
6.2.1 一维数组Series149
6.2.2 二维数组DataFrame150
6.2.3 三维数组Panel160
第7章 Python量化交易策略的常用函数与对象163
7.1 Python量化交易策略的一般结构164
7.1.1 初始化函数165
7.1.2 开盘前运行函数166
7.1.3 开盘时运行函数166
7.1.4 收盘后运行函数167
7.2 Python量化交易策略的设置函数167
7.2.1 设置基准函数168
7.2.2 设置佣金/印花税函数168
7.2.3 设置滑点函数169
7.2.4 设置动态复权（真实价格）模式函数170
7.2.5 设置成交量比例函数170
7.2.6 设置是否开启盘口撮合模式函数171
7.2.7 设置要操作的股票池函数171
7.3 Python量化交易策略的定时函数171
7.3.1 定时函数的定义及分类172
7.3.2 定时函数各项参数的意义172
7.3.3 定时函数的注意事项173
7.3.4 定时函数的实例174
7.4 Python量化交易策略的下单函数174
7.4.1 按股数下单函数174
7.4.2 目标股数下单函数175
7.4.3 按价值下单函数175
7.4.4 目标价值下单函数176
7.4.5 撤单函数176
7.4.6 获取未完成订单函数177
7.4.7 获取订单信息函数177
7.4.8 获取成交信息函数178
7.5 Python量化交易策略的日志log178
7.5.1 设定log级别178
7.5.2 log.info179
7.6 Python量化交易策略的常用对象179
7.6.1 Order对象179
7.6.2 全局对象g180
7.6.3 Trade对象180
7.6.4 tick对象180
7.6.5 Context对象181
7.6.6 Position对象182
7.6.7 SubPortfolio对象183
7.6.8 Portfolio对象184
7.6.9 SecurityUnitData对象184
第8章 Python量化交易策略的获取数据函数运用技巧186
8.1 history()函数的运用技巧187
8.1.1 各项参数的意义187
8.1.2 history()函数的应用实例188
8.2 attribute_history ()函数的运用技巧191
8.3 get_fundamentals ()函数的运用技巧192
8.3.1 各项参数的意义192
8.3.2 get_fundamentals ()函数的应用实例193
8.4 get_fundamentals_continuously ()函数的运用技巧198
8.5 get_current_data ()函数的运用技巧199
8.6 get_index_stocks ()函数的运用技巧200
8.6.1 各项参数的意义200
8.6.2 get_index_stocks ()函数的应用实例201
8.7 get_industry_stocks()函数的运用技巧202
8.8 get_concept_stocks ()函数的运用技巧203
8.9 get_all_securities()函数的运用技巧205
8.9.1 各项参数的意义205
8.9.2 get_all_securities()函数的应用实例206
8.10 get_security_info ()函数的运用技巧207
8.11 get_billboard_list ()函数的运用技巧208
8.11.1 各项参数的意义208
8.11.2 get_billboard_list()函数的应用实例209
8.12 get_locked_shares ()函数的运用技巧210
第9章 Python量化交易策略的基本面选股技巧211
9.1 量化选股概述212
9.2 成长类因子选股技巧212
9.2.1 营业收入同比增长率选股技巧212
9.2.2 营业收入环比增长率选股技巧214
9.2.3 净利润同比增长率选股技巧215
9.2.4 净利润环比增长率选股技巧216
9.2.5 营业利润率选股技巧217
9.2.6 销售净利率选股技巧217
9.2.7 销售毛利率选股技巧218
9.3 规模类因子选股技巧220
9.3.1 总市值选股技巧220
9.3.2 流通市值选股技巧221
9.3.3 总股本选股技巧222
9.3.4 流通股本选股技巧222
9.4 价值类因子选股技巧223
9.4.1 市净率选股技巧223
9.4.2 市销率选股技巧224
9.4.3 市现率选股技巧225
9.4.4 动态市盈率选股技巧226
9.4.5 静态市盈率选股技巧227
9.5 质量类因子选股技巧228
9.5.1 净资产收益率选股技巧228
9.5.2 总资产净利率选股技巧229
9.6 基本面多因子量化选股230
第10章 Python量化交易策略的技术指标函数运用技巧232
10.1 量化择时概述233
10.2 趋向指标函数运用技巧234
10.2.1 MACD指标函数234
10.2.2 EMV指标函数235
10.2.3 UOS指标函数237
10.2.4 GDX指标函数238
10.2.5 DMA指标函数239
10.2.6 JS指标函数240
10.2.7 MA指标函数241
10.2.8 EXPMA指标函数242
10.2.9 VMA指标函数243
10.3 反趋向指标函数运用技巧245
10.3.1 KD指标函数245
10.3.2 MFI指标函数246
10.3.3 RSI指标函数247
10.3.4 OSC指标函数248
10.3.5 WR指标函数249
10.3.6 CCI指标函数250
10.4 压力支撑指标函数运用技巧251
10.4.1 BOLL指标函数251
10.4.2 MIKE指标函数253
10.4.3 XS指标函数254
10.5 量价指标函数运用技巧256
10.5.1 OBV指标函数256
10.5.2 VOL指标函数257
10.5.3 VR指标函数258
10.5.4 MASS指标函数259
第11章 Python量化交易策略的回测方法与技巧261
11.1 量化交易策略回测的流程262
11.2 利用Python编写MACD指标量化交易策略262
11.2.1 量化交易策略的编辑页面262
11.2.2 编写初始化函数265
11.2.3 编写单位时间调用的函数265
11.3 设置MACD指标量化交易策略的回测参数266
11.4 MACD指标量化交易策略的回测详情269
11.5 MACD指标量化交易策略的风险指标272
11.5.1 Alpha（阿尔法）272
11.5.2 Beta（贝塔）273
11.5.3 Sharpe（夏普比率）274
11.5.4 Sortino（索提诺比率）275
11.5.5 Information Ratio（信息比率）276
11.5.6 Volatility（策略波动率）277
11.5.7 Benchmark Volatility（基准波动率）278
11.5.8 Max Drawdown（优选回撤）279
第12章 Python量化交易策略的机器算法运用技巧280
12.1 随机森林在量化交易中的运用技巧281
12.1.1 随机森林的构建281
12.1.2 随机森林的优缺点281
12.1.3 随机森林在量化交易中的运用实例282
12.2 支持向量机（SVM）在量化交易中的运用技巧284
12.2.1 什么是支持向量机（SVM）285
12.2.2 支持向量机（SVM）的工作原理285
12.2.3 核函数287
12.2.4 支持向量机（SVM）的优点288
12.2.5 支持向量机（SVM）的缺点288
12.2.6 支持向量机（SVM）在量化交易中的运用实例289
12.3 朴素贝叶斯在量化交易中的运用技巧292
12.3.1 什么是朴素贝叶斯292
12.3.2 朴素贝叶斯的算法思想292
12.3.3 朴素贝叶斯的算法步骤292
12.3.4 朴素贝叶斯的优缺点293
12.3.5 朴素贝叶斯在量化交易中的运用实例293
12.4 神经网络在量化交易中的运用技巧296
12.4.1 什么是人工神经网络296
12.4.2 大脑中的神经元细胞和神经元细胞网络297
12.4.3 人工神经网络的基本特征298
12.4.4 人工神经网络的特点299
12.4.5 人工神经网络的算法299
12.4.6 人工神经网络在量化交易中的运用实例301
第13章 Python量化交易策略的因子分析运用技巧305
13.1 因子的类型及因子分析的作用306
13.2 因子分析的Python代码306
13.2.1 因子分析中的三个变量306
13.2.2 因子分析中可以使用的基础因子307
13.2.3 calc的参数及返回值308
13.3 因子的新建及常见分析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 因子的换手分析315
13.4 因子在研究和回测中的使用317
13.5 基本面因子运用实例319
第14章 Python量化交易策略实战案例323
14.1 MA均线量化交易策略实战案例324
14.1.1 编写初始化函数324
14.1.2 编写单位时间调用的函数326
14.1.3 MA均线量化交易策略的回测327
14.2 多均线量化交易策略实战案例327
14.2.1 编写初始化函数328
14.2.2 编写交易程序函数328
14.2.3 多均线量化交易策略的回测330
14.3 MACD指标量化交易策略实战案例330
14.3.1 编写初始化函数331
14.3.2 编写单位时间调用的函数331
14.3.3 MACD指标量化交易策略的回测332
14.4 KD指标量化交易策略实战案例333
14.4.1 编写初始化函数333
14.4.2 编写开盘前运行函数334
14.4.3 编写开盘时运行函数334
14.4.4 编写收盘后运行函数335
14.4.5 KD指标量化交易策略的回测335
14.5 BOLL指标量化交易策略实战案例336
14.5.1 编写初始化函数336
14.5.2 编写开盘前运行函数337
14.5.3 编写开盘时运行函数337
14.5.4 编写收盘后运行函数338
14.5.5 BOLL指标量化交易策略的回测339
14.6 多股票持仓量化交易策略实战案例339
14.6.1 编写初始化函数340
14.6.2 编写单位时间调用的函数340
14.6.3 多股票持仓量化交易策略的回测341
14.7 医药股轮动量化交易策略实战案例342
14.7.1 编写初始化函数342
14.7.2 编写选股函数342
14.7.3 编写交易函数343
14.7.4 医药股轮动量化交易策略的回测343
14.8 小市值股票量化交易策略实战案例344
14.8.1 编写初始化函数344
14.8.2 编写选股函数345
14.8.3 编写过滤停牌股票函数345
14.8.4 编写交易函数346
14.8.5 小市值股票量化交易策略的回测346
14.9 机器算法多因子量化交易策略实战案例347
14.9.1 编写初始化函数347
14.9.2 编写自定义的交易函数348
14.9.3 机器算法多因子量化交易策略的回测353
内容摘要
本书首先讲解量化交易的基础知识，即量化交易的定义、历史、主要内容及与传统交易的区别、JoinQuant（聚宽）量化交易平台；然后讲解量化交易开发语言Python，即讲解Python语言的开发环境、基本语法、基本流程控制、特征数据类型、函数及应用、面向对象程序设计；接着讲解如何利用Python语言编写量化策略、如何回测、编写量化策略所需要常用函数、因子分析、量化交易策略实例；最后讲解量化选股的技巧、量化择时的技巧及算法交易。在讲解过程中即考虑读者的学习习惯，又通过具体实例剖析讲解量化实际交易过程中的热点问题、关键问题及种种难题。
主编推荐
"实用性：本书首先着眼于量化实战应用，然后探讨深层次的技巧问题。
详尽的例子：投资者反复练习，举一反三，就可以真正掌握操盘技巧，从而学以致用。
形象生动，图文并茂：采用了大量的图表、图形，展现量化交易的所有知识。
"
精彩内容
"前 言
在大多数投资者的想象中，量化交易似乎应该是用十几个显示屏运行的数学模型，是交易速度以微秒来计的、深不可测的投资方法。诚然，复杂模型和高频交易属于量化范畴，但广义上，量化代表的是一种理性的思维方式。例如，当你着眼于真实数据，理性地运用逻辑分析和归纳统计得出市场的一些观点和规律，并据此制定和执行明确的交易策略时，你就是在做量化交易。普通个人投资者接近可以运用量化的方法来指导自己的投资决策，事实上，他们常常不经意间就已经用基于经验、逻辑和数学的量化投资的思维来指导自己的交易了。
在金融市场上一直有句话，即美国是机构市，我国A股是散户市。据统计，美国现在量化交易方式所占比例已经超过70%，但是我国还不到5%。这样看来，量化交易在我国是有比较大的发展空间的。
当前，我国的量化交易主要应用在商品期货上。随着股指期货的上市，期货市场和证券市场实现了真正意义上的互动，投资者不仅可以在期货市场上进行投机交易，同时还可以在期货与股票之间进行套利交易。利用量化交易对股指期货进行操作将会是投资者（尤其是机构投资者）的一个重要的发展方向。
本书结构
本书共14章，具体章节安排如下。
?第1章：讲解量化交易的基础知识，即量化交易的定义、特点、应用、故事、历史及注意事项。
?第2章：讲解量化交易平台，即JoinQuant聚宽量化交易平台的功能，账户的注册、登录及量化交易策略的创建，选股技巧，买卖条件模型，风险控制技巧，其他参数设置技巧，回测，模拟交易，实盘交易。
?第3 ~ 5章：讲解量化交易开发语言Python，即讲解Python开发环境及编程基础、流程控制与特征数据类型、函数与面向对象。
?第6 ~ 11章：讲解Python量化交易策略的常用库、常用函数与对象、获取数据函数运用技巧、基本面选股技巧、技术指标函数运用技巧、回测方法与技巧。
?第12 ~ 13章：讲解Python量化交易策略的机器算法运用技巧、因子分析运用技巧。
?第14章：讲解Python量化交易策略实战案例。
本书特色
本书的特色归纳如下。
?实用性：本书着眼于量化实战应用，同时探讨深层次的技巧问题。
?详尽的例子：本书每一章都附有大量的例子，通过这些例子介绍知识点。每个例子都是作者精心选择的，投资者只要反复练习，举一反三，就可以真正掌握操盘技巧，从而学以致用。
?全面性：本书包含了量化交易的所有知识，分别是量化交易的基础知识、量化交易平台、量化交易开发语言Python、Python量化交易策略的常用库、Python量化交易策略常用函数与面向对象、Python量化交易策略获取数据函数应用技巧、Python量化交易策略基本面选股技巧、Python量化交易策略技术指标函数运用技巧、Python量化交易策略回测方法与技巧、Python量化交易策略机器算法运用技巧、Python量化交易策略因子分析运用技巧、Python量化交易策略实战案例。
?在内容表现上形象生动，图文并茂：为了能够让投资者在学习知识的同时，不过于死板，本书采用了大量的图、表，以使整本书的风格更加生动、形象。
本书适合的读者
本书适用于各类投资者，如股民、期民、职业操盘手和专业金融评论人士。
创作团队
本书由张彦桥、梁雷超编著，刘志隆、王冲冲、吕雷、王高媛、张志伟、周飞、葛钰秀、王英茏、陈锐杰等对本书的编写提出过宝贵意见并参与了部分编写工作。
— 没有更多了 —
以下为对购买帮助不大的评价