量化交易之路 用Python做股票量化分析 阿布 著

股票学习站

	【资料名称】:用Python做股票量化分析 量化交易之路 【资料描述】: 　　编辑推荐 　　作者在百度互联网证券、百度金融等互联网金融公司多年从业经验的总结； 　　涵盖从传统的趋势跟踪技术及统计套利技术，到*新的机器学习技术等各种量化技术； 　　树立对量化交易的正确认识，搭建交易技术与量化技术之间的稳固纽带； 　　给出完整的量化交易知识体系，所有实例均采用真实的交易进行讲解； 　　详解量化基础知识，以及Python、NumPy、pandas、可视化和数学等量化工具及实例； 　　详解量化择时、选股、资金管理、度量、*优参数等技术及交易实例； 　　详解机器学习技术在量化交易领域的应用，并给出交易实例。 　　内容简介 　　本书从对量化交易的正确认识出发，循序渐进地讲解了量化交易所需要了解的各种知识及工具。书中特别穿插了大量的开发技巧与交易技巧，还提供了大量基于真实交易的实例，有很强的实用性。本书偏重于量化技术在实际交易中的应用，读者不需要有深厚的数学功底即可阅读。 　　本书共11章，分为4部分。第1部分讲解了对量化交易的正确认识；第2部分讲解了量化交易的基础，如Python语言、数学和几种数据分析工具等；第3部分讲解了量化交易系统的开发与使用，以及基础度量概念及*优参数等问题；第4部分讲解了机器学习技术在量化交易中的实际应用。附录中还给出了量化环境部署、量化相关性分析、量化统计分析及指标应用等相关内容。 　　本书适合所有对量化交易感兴趣的人员阅读，也适合相关院校和培训机构作为量化交易系统课程的教材。阅读本书，建议读者有一定的编程基础。 　　一分钟了解本书内容精华： 　　量化引言 　　量化语言——Python 　　量化工具——NumPy 　　量化工具——pandas 　　量化工具——可视化 　　量化工具——数学 　　量化系统——入门 　　量化系统——开发 　　量化系统——度量与优化 　　量化系统——机器学习?猪老三 　　量化系统——机器学习?abu 　　量化环境部署 　　量化相关性分析 　　量化统计分析及指标应用 　　作者简介 　　阿布 　　曾就职于奇虎360、百度互联网证券、百度金融等互联网型金融公司。有近10年的互联网金融技术从业经验。现作为自由职业者，从事个人量化交易及量化交易的培训工作。擅长中小资金量化交易系统的开发，并为中小型量化私募资金提供技术解决方案与支持。 　　目录 　　前言 　　第1部分 对量化交易的正确认识 　　第1章 量化引言 2 　　1.1 什么是量化交易 2 　　1.2 量化交易：投资？投机？赌博？ 3 　　1.3 量化交易的优势 4 　　1.4 量化交易的正确认识 8 　　1.5 量化交易的目的 11 　　第2部分 量化交易的基础 　　第2章 量化语言——Python 14 　　2.1 基础语法与数据结构 15 　　2.2 函数 20 　　2.3 面向对象 25 　　2.4 性能效率 38 　　2.5 代码调试 45 　　2.6 本章小结 48 　　第3章 量化工具——NumPy 49 　　3.1 并行化思想与基础操作 49 　　3.2 基础统计概念与函数使用 57 　　3.3 正态分布 62 　　3.4 伯努利分布 66 　　3.5 本章小结 71 　　第4章 量化工具——pandas 72 　　4.1 基本操作方法 72 　　4.2 基本数据分析示例 78 　　4.3 实例1：寻找股票异动涨跌幅阀值 87 　　4.4 实例2：星期几是这个股票的“好日子” 91 　　4.5 实例3：跳空缺口 95 　　4.6 pandas三维面板的使用 98 　　4.7 本章小结 101 　　第5章 量化工具——可视化 102 　　5.1 使用Matplotlib可视化数据 102 　　5.2 使用Bokeh交互可视化 106 　　5.3 使用pandas可视化数据 107 　　5.4 使用Seaborn可视化数据 112 　　5.5 实例1：可视化量化策略的交易区间及卖出原因 115 　　5.6 实例2：标准化两个股票的观察周期 120 　　5.7 实例3：黄金分割线 124 　　5.8 技术指标的可视化 130 　　5.9 本章小结 133 　　第6章 量化工具——数学 134 　　6.1 回归与插值 134 　　6.2 蒙特卡罗方法与凸优化 139 　　6.3 线性代数 159 　　6.4 本章小结 168 　　第3部分 量化交易系统的开发 　　第7章 量化系统——入门 170 　　7.1 趋势跟踪与均值回复 170 　　7.2 仓位控制管理 188 　　7.3 本章小结 202 　　第8章 量化系统——开发 203 　　8.1 abu量化系统择时 204 　　8.2 abu量化系统选股 234 　　8.3 本章小结 242 　　第9章 量化系统——度量与优化 243 　　9.1 度量的基本使用方法 243 　　9.2 度量的基础 247 　　9.3 基于Grid Search寻找因子最优参数 253 　　9.4 资金限制对度量的影响 266 　　9.5 输入中文自动生成交易策略 272 　　9.6 本章小结 276 　　第4部分 机器学习在量化交易中的实战 　　第10章 量化系统——机器学习?猪老三 278 　　10.1 机器学习基础概念 278 　　10.2 猪老三世界中的量化环境 282 　　10.3 有监督机器学习 286 　　10.4 无监督机器学习 299 　　10.5 梦醒时分 303 　　10.6 本章小结 317 　　第11章 量化系统——机器学习?abu 318 　　11.1 搜索引擎与量化交易 319 　　11.2 主裁 321 　　11.3 边裁 351 　　11.4 一定要赢得这场胜利，即使一切都不存在 360 　　11.5 本章小结 361 　　附录A 量化环境部署 362 　　附录B 量化相关性分析 381 　　附录C 量化统计分析及指标应用 388 　　前言/序言 　　随着互联网技术的不断发展，许多传统行业（包括传统金融行业）也在不断地改变着自己的工作模式和流程，并且希望借助互联网技术得到进一步的发展。在金融行业中，股票及其他交易类型衍生品，如期权、期货交易无疑是最早受到冲击从而发生改变的。从算法交易之父托马斯·彼得菲，到如今依然活跃异常的量化投资之王西蒙斯，他们是最早的一批量化交易受益者，也是为整个金融行业指明方向的引导者。据统计，近年来自动化交易占据了美国股票市场60%以上的成交量。 　　量化交易从一开始出现就仿佛戴着神秘的面纱，特别是对于普通的投资交易者。有些人认为它就是像炼金术一样的存在，有了它就能躺着挣钱了。当然也有些人认为它完全不靠谱。笔者研究量化交易多年，而且参与了大量的量化交易实战，从中积累了大量的心得体会，所以萌生了编写一本量化交易图书的想法，为读者揭开量化交易的神秘面纱。 　　本书分为4个部分来讲解量化交易的相关知识。 　　第1部分（第1章）着重讲解了投资者对量化交易的正确认识。 　　第2部分（第2～6章）主要讲解了量化交易需要的基础知识及相关工具，如Python语言、NumPy、pandas、数据可视化及量化数学等知识，适合完全没有任何编程经验的读者从头开始阅读。书中每一章的示例也尽量穿插股票及其他衍生交易产品的投资知识和交易技巧，尽量为读者建立一套独有的知识体系结构，为读者在交易技术与量化技术之间搭建牢固的基础纽带。 　　第3部分（第7～9章）着重讲解了使用量化系统回测交易策略及交易的度量等实战知识。对于有进阶需求的读者，则完整地讲解了整套量化回测系统择时、选股开发的关键点及滑点和资金管理的核心知识，以及更有针对策略地寻找最优参数及最优度量等知识。 　　第4部分（第10、11章）主要讲解了机器学习技术在量化交易中的应用。该部分内容从机器学习实战出发，同样适合大多数没有深厚数学基础的读者阅读，着重阐述了基于机器学习技术对交易进行预测的不可行性，以及正确的使用方式，即使用机器学习技术进行统计预言的概率。 　　附录给出了量化环境部署、量化相关性分析、量化统计分析及指标应用等内容。 　　特别需要提及的是，为了突出重点知识，减轻读者的阅读压力，本书在编写过程中通过故事的形式来讲解关键知识点。例如： 　　l 通过“6.2.1节你一生的追求到底能带来多少幸福”的故事，重点讲解了最优问题的计算； 　　l 通过“7.2.3节三只小猪股票投资的故事”，重点讲解了仓位控制管理的重要性； 　　l 通过“第10章 机器学习?猪老三”的故事，重点讲解了机器学习知识与工程上的使用问题。 　　适合阅读本书的读者及建议如下： 　　l 有交易经验、对量化交易感兴趣、无任何编程经验的读者，需要多关注基础章节，加深对编程语言的理解及工具的使用； 　　l 有任何一门编程语言基础、无交易经验、对量化交易感兴趣的读者，需要多关注书中讲解的关于交易的知识及正确的交易认识； 　　l 有交易经验、有编程经验、对量化交易感兴趣的读者，需要多关注量化交易在交易技术和编程技术上的衔接点及书中的具体实例； 　　l 对量化交易本身不感兴趣，但对数据处理、机器学习技术感兴趣的读者，需要多关注技术基础章节和机器学习章节的内容。 　　感谢机械工业出版社华章公司提供机会让我能编写本书！本书的完成同样需要感谢我的几位朋友：吴汶（老虎美股）、刘兆丹（百度金融）、胥嘉幸（百度糯米大数据），感谢你们在本书的编写过程中提供的帮助！在此还需要特别感谢本书编辑对我的帮助，不辞辛苦地晚上十二点还在和我沟通排版等细节问题。 【下载地址隐藏】：                    点：回复可见地址 游客，如果您要查看本帖隐藏内容请回复