《Python量化金融編程從入門到精通》是北京大學出版社出版圖書。
基本介紹
- 中文名：Python量化金融編程從入門到精通
- 作者：丁奉乾
- 出版社：北京大學出版社
- 出版時間：2020年12月1日
- 頁數：348 頁
- 開本：16 開
- 裝幀：平裝
- ISBN：9787301317259
內容簡介,目錄,
內容簡介
量化交易領域的飛速發展，得到了越來越多業內外人士的關注。而Python作為一門功能強大且易於上手的程式語言，可以快速將想法付諸實踐。因此，本書希望可以引領讀者初步了解量化交易，並藉助Python這個工具在該領域有所建樹。
本書先從量化交易的基本概念講起，然後講解Python的基本語法及常見庫的使用，在每章節的學習中都以金融量化為實例，並在後結合實戰項目來進行學習和鞏固，讀者不但可以系統地學習Python編程的相關知識，而且還能學習到Python在量化交易場景下的套用。
本書內容通俗易懂，案例豐富，適合零基礎並對Python量化感興趣的讀者，以及想學習量化交易實戰項目的Python初學者。此外，本書也適合作為相關培訓機構的培訓教材。
目錄
基礎篇
第1章 初識量化交易
1.1 對量化交易的認識
1.2 幾種常見的交易形式
1.3 量化交易存在的風險與規避方法
1.4 量化交易平台介紹
1.5 本章小結
第2章 Python環境的搭建
2.1 關於Python
2.2 安裝Python的發行版Anaconda
2.3 安裝Python IDE PyCharm
2.4 本章小結
第3章 量化交易場景下Python基礎知識的準備
3.1 Python變數：金融數據的表示形式
3.2 條件判斷語句：交易點的觸發
3.3 循環語句：開啟歷史數據的回測
3.4 函式：提高代碼的利用率
3.5 面向對象：交易策略的實例化
3.6 常用內置模組及模組的安裝：解鎖更多新功能
3.7 本章小結
高級篇
第4章 用NumPy來進行數據操作 82
4.1 NumPy庫的介紹與安裝
4.2 Ndarray數組
4.3 NumPy的常用操作
4.4 NumPy在金融數據中的套用
4.5 本章小結
第5章 藉助Pandas進行數據分析
5.1 Pandas庫的介紹與安裝
5.2 Series類型數據
5.3 DataFrame類型數據
5.4 Pandas中常用函式的使用
5.5 Pandas對金融數據的操作
5.6 本章小結
第6章 通過Matplotlib對數據可視化
6.1 Matplotlib庫的介紹與安裝
6.2 Matplotlib的基本操作
6.3 Matplotlib繪製常見圖像
6.4 Matplotlib對圖像屬性的設定
6.5 Matplotlib繪製多個子圖
6.6 金融數據的可視化操作
6.7 本章小結
第7章 歷史數據的獲取
7.1 通過Tushare庫獲取歷史數據
7.2 通過新浪財經API獲取歷史數據
7.3 通過Pandas_datareader獲取歷史數據
7.4 其他獲取歷史數據的方式
7.5 本章小結
第8章 量化交易的利器
8.1 Ta-Lib庫的介紹與安裝
8.2 市場技術指標的計算
8.3 K線組合的模式識別
8.4 FFn庫的介紹與安裝
8.5 風險指標的計算
8.6 兩種經典策略的實現
8.7 本章小結
第9章 時間序列分析
9.1 Statsmodels庫的介紹與安裝
9.2 時間序列的基本概念
9.3 時間序列相關性分析
9.4 時間序列平穩性分析
9.5 時間序列協整性分析
9.6 時間序列模型
9.7 時間序列模型在股票市場中的套用
9.8 本章小結
實戰篇
第10章 基於配對交易策略的回測框架的搭建
10.1 配對交易介紹
10.2 配對交易回測框架的實現
10.3 本章小結
第11章 機器學習實戰——利用支持向量機（SVM）進行趨勢預測
11.1 機器學習庫Sklearn的介紹與安裝
11.2 機器學習基本知識介紹
11.3 支持向量機介紹
11.4 支持向量機預測模型的實現
11.5 本章小結
第12章 深度學習實戰——利用循環神經網路（RNN）進行價格預測
12.1 深度學習庫TensorFlow的介紹與安裝
12.2 TensorFlow的基本概念與結構
12.3 循環神經網路介紹
12.4 循環神經網路預測模型的搭建
12.5 本章小結
第13章 接觸實盤——利用vn.py進行量化交易
13.1 初識vn.py
13.2 vn.py運行環境的準備
13.3 vn.py國內期貨CTP的配置
13.4 通過vn.py進行策略回測
13.5 基於vn.py實現R-Breaker策略
13.6 通過vn.py進行自動化交易
13.7 本章小結
附錄 常見的Python量化交易框架介紹
