从零开始学Python大数据与量化交易 清华大学出版社 下载 pdf 百度网盘 epub 免费 2025 电子书 mobi 在线

《从零开始学Python大数据与量化交易》首先讲解量化交易的基础知识，如量化交易的优势、应用、注意事项、历史、量化交易平台等；然后讲解量化交易开发语言Python，即讲解Python语言的开发环境、基本语法及流程控制、特征数据类型、内置函数与自定义用户函数、面向对象编程；接着讲解大数据分析和可视化的3个包，分别是Numpy包、Pandas包、Matplotlib包；然后讲解量化交易策略的编写、获取数据函数、基本面量化选股、量化择时的技术指标函数、回测技巧、因子分析技巧；最后讲解Python量化交易策略的实战案例。

在讲解过程中既考虑读者的学习习惯，又通过具体实例剖析讲解Python大数据与量化交易过程中的热点问题、关键问题及种种难题。

《从零开始学Python大数据与量化交易》适用于各种不同的投资者，如新老股民、中小散户、股票操盘手、基金操盘手和专业股票评论人士以及经济财经类专业的大学生，更适用于那些有志于在这个充满风险、充满寂寞的征程上默默前行的征战者阅读。

第1章 量化交易快速入门

1.1 初识量化交易

1.1.1 量化交易的定义

1.1.2 量化交易与算法交易

1.1.3 量化交易与黑匣子交易

1.1.4 量化交易与程序化交易

1.1.5 量化交易与技术分析

1.2 量化交易的优势

1.2.1 严格的纪律性

1.2.2 完备的系统性

1.2.3 妥善运用套利的思想

1.2.4 靠概率取胜

1.3 量化交易的应用

1.3.1 投资品种选择

1.3.2 投资时机选择

1.3.3 算法交易

1.3.4 各种套利交易

1.3.5 资产配置

1.4 量化交易与人工交易的对比

1.5 量化交易的注意事项

1.6 量化交易的发展过程

1.6.1 国外量化交易的发展过程

1.6.2 国内量化交易的发展过程

1.7 量化交易的平台

1.7.1 聚宽JoinQuant 量化交易平台的功能

1.7.2 账户注册、登录及策略创建

1.7.3 量化交易策略的选股

1.7.4 量化交易策略的买卖条件

1.7.5 量化交易策略的风险控制

1.7.6 量化交易策略的其他参数

1.7.7 编写Python 代码来创建量化交易策略

1.7.8 量化交易策略的回测详情

1.7.9 量化交易策略的模拟交易

1.8 量化交易的潜在风险及应对策略

第2章 Python 量化交易的开发环境

2.1 初识Python 语言

2.1.1 Python 的历史由来

2.1.2 Python 的特点

2.1.3 Python 的应用

2.2 Python 开发环境及配置

2.2.1 Python 的下载

2.2.2 Python 的安装

2.2.3 Python 的环境变量配置

2.3 Python 程序的编写

2.3.1 利用系统自带的开发软件IDEL直接编写程序并运行

2.3.2 创建Python 文件并运行

2.4 利用量化交易平台编写Python程序

2.4.1 初识IPython Notebook研究平台

2.4.2 利用Python Notebook 编写Python 程序

第3章 Python 的基本语法及流程控制

3.1 Python 的基本数据类型

3.1.1 数值类型

3.1.2 字符串类型

3.2 变量及赋值

3.2.1 变量命名规则

3.2.2 变量的赋值

3.3 运算符

3.3.1 算术运算符

3.3.2 赋值运算符

3.3.3 位运算符

3.4 选择结构

3.4.1 关系运算符

3.4.2 逻辑运算符

3.4.3 if 语句

3.4.4 嵌套 if 语句

3.5 循环结构

3.5.1 while 循环

3.5.2 while 循环使用else 语句

3.5.3 无限循环

3.5.4 for 循环

3.5.5 在for 循环中使用range（）函数

3.6 其他语句

3.6.1 break 语句

3.6.2 continue 语句

3.6.3 pass 语句

3.7 Python 的代码格式

3.7.1 代码缩进

3.7.2 代码注释

3.7.3 空行

3.7.4 同一行显示多条语句

第4章 Python 的特征数据类型

4.1 列表

4.1.1 列表的创建

4.1.2 3 种方法访问列表中的值

4.1.3 两种方法更新列表中的值

4.1.4 del 语句删除列表中的值

4.1.5 列表的4 个函数

4.1.6 列表的方法

4.2 元组

4.2.1 元组的创建

4.2.2 3 种方法访问元组中的值

4.2.3 元组的连接

4.2.4 整个元组的删除

4.2.5 元组的4 个函数

4.3 字典

4.3.1 字典的创建

4.3.2 访问字典中的值和键

4.3.3 字典的修改

4.3.4 字典中的3 个函数

4.4 集合

4.4.1 集合的创建

4.4.2 集合的两个基本功能

4.4.3 集合的运算符

4.4.4 集合的方法

第5章 Python 的函数及应用技巧

5.1 初识函数

5.2 内置函数

5.2.1 数学函数

5.2.2 随机数函数

5.2.3 三角函数

5.2.4 字符串函数

5.3 用户自定义函数

5.3.1 函数的定义

5.3.2 调用自定义函数

5.3.3 函数的参数传递

5.3.4 函数的参数类型

5.3.5 匿名函数

第6章 Python 的面向对象编程基础

6.1 面向对象

6.1.1 面向对象概念

6.1.2 类定义与类对象

6.1.3 类的继承

6.2 模块

6.2.1 自定义模块和调用

6.2.2 import 语句

6.2.3 标准模块

6.3 包

6.4 变量作用域及类型

6.4.1 变量作用域

6.4.2 全局变量和局部变量

6.4.3 global 和nonlocal 关键字

第7章 Python 大数据分析的Numpy 包

7.1 初识Numpy 包

7.2 ndarray 数组基础

7.2.1 创建Numpy 数组

7.2.2 Numpy 特殊数组

7.2.3 Numpy 序列数组

7.2.4 Numpy 数组索引

7.2.5 Numpy 数组运算

7.2.6 Numpy 数组复制

7.3 Numpy 的矩阵

7.4 Numpy 的线性代数

7.4.1 两个数组的点积

7.4.2 两个向量的点积

7.4.3 一维数组的向量内积

7.4.4 矩阵的行列式

7.4.5 矩阵的逆

7.5 Numpy 的文件操作

第8章 Python 大数据分析的Pandas 包

8.1 Pandas 的数据结构

8.2 一维数组系列

8.2.1 创建一个空的系列

8.2.2 从ndarray 创建一个系列

8.2.3 从字典创建系列

8.2.4 从有位置的系列中访问数据

8.2.5 使用标签检索数据

8.3 二维数组DataFrame

8.3.1 创建DataFrame

8.3.2 数据的查看

8.3.3 数据的选择

8.3.4 数据的处理

8.4 三维数组Panel

第9章 Python 大数据可视化的Matplotlib 包

9.1 Matplotlib 包的优点

9.2 figure（）函数的应用

9.2.1 figure（）函数的各参数意义

9.2.2 figure（）函数的示例

9.3 plot（）函数的应用

9.3.1 plot（）函数的各参数意义

9.3.2 plot（）函数的实例

9.4 subplot（）函数的应用

9.4.1 subplot（）的各参数意义

9.4.2 subplot（）的示例

9.5 add_axes 方法的应用

9.6 legend（）函数的应用

9.7 设置字体格式

9.8 设置线条的宽度和颜色

9.9 坐标轴网格

9.10 绘制柱状图

9.11 绘制色图和等高线图

9.12 绘制立体三维图形

第10章 Python 量化交易策略的编写

10.1 股票量化交易策略的组成

10.1.1 初始化函数

10.1.2 开盘前运行函数

10.1.3 开盘时运行函数

10.1.4 收盘后运行函数

10.2 设置函数

10.2.1 设置基准函数

10.2.2 设置佣金/印花税函数

10.2.3 设置滑点函数

10.2.4 设置动态复权（真实价格）模式函数

10.2.5 设置成交量比例函数

10.2.6 设置是否开启盘口撮合模式函数

10.2.7 设置要操作的股票池函数

10.3 定时函数

10.3.1 定时函数的定义及分类

10.3.2 定时函数各项参数的意义

10.3.3 定时函数的注意事项

10.3.4 定时函数的实例

10.4 下单函数

10.4.1 按股数下单函数

10.4.2 目标股数下单函数

10.4.3 按价值下单函数

10.4.4 目标价值下单函数

10.4.5 撤单函数

10.4.6 获取未完成订单函数

10.4.7 获取订单信息函数

10.4.8 获取成交信息函数

10.5 日志log

10.5.1 设定log 的级别

10.5.2 log.info

10.6 常用对象

10.6.1 Order 对象

10.6.2 全局对象g

10.6.3 Trade 对象

10.6.4 tick 对象

10.6.5 Context 对象

10.6.6 Position 对象

10.6.7 SubPortfolio 对象

10.6.8 Portfolio 对象

10.6.9 SecurityUnitData 对象

第11章 Python 量化交易策略的获取数据函数

11.1 获取股票数据的history（）函数

11.1.1 各项参数的意义

11.1.2 history（）函数的应用实例

11.2 获取一只股票数据的attribute_history（）函数

11.3 查询一个交易日股票财务数据的get_fundamentals（）函数

11.3.1 各项参数的意义

11.3.2 get_fundamentals （）函数的应用实例

11.4 查询股票财务数据的get_fundamentals_continuously（）函数

11.5 获取股票特别数据的get_current_data（）函数

11.6 获取指数成分股代码的get_index_stocks（）函数

11.6.1 各项参数的意义

11.6.2 get_index_stocks（）函数的应用示例

11.7 获取行业成分股代码的get_industry_stocks（）函数

11.8 获取概念成本股代码的get_concept_stocks（）函数

11.9 获取所有数据信息的get_all_securities（）函数

11.9.1 各项参数的意义

11.9.2 get_all_securities（）函数的应用实例

11.10 获取一只股票信息的get_security_info（）函数

11.11 获取龙虎榜数据的get_billboard_list（）函数

11.11.1 各项参数的意义

11.11.2 get_billboard_list（）函数的应用实例

11.12 获取限售解禁数据的get_locked_shares（）函数

第12章 Python 基本面量化选股

12.1 初识量化选股

12.2 成长类因子选股

12.2.1 营业收入同比增长率选股

12.2.2 营业收入环比增长率选股

12.2.3 净利润同比增长率选股

12.2.4 净利润环比增长率选股

12.2.5 营业利润率选股

12.2.6 销售净利率选股

12.2.7 销售毛利率选股

12.3 规模类因子选股

12.3.1 总市值选股

12.3.2 流通市值选股

12.3.3 总股本选股

12.3.4 流通股本选股

12.4 价值类因子选股

12.4.1 市净率选股

12.4.2 市销率选股

12.4.3 市现率选股

12.4.4 动态市盈率选股

12.4.5 静态市盈率选股

12.5 质量类因子选股

12.5.1 净资产收益率选股

12.5.2 总资产净利率选股

12.6 基本面多因子量化选股的注意事项

第13章 Python 量化择时的技术指标函数

13.1 初识量化择时

13.2 趋向指标函数

13.2.1 MACD 指标函数

13.2.2 EMV 指标函数

13.2.3 UOS 指标函数

13.2.4 GDX 指标函数

13.2.5 DMA 指标函数

13.2.6 JS 指标函数

13.2.7 MA 指标函数

13.2.8 EXPMA 指标函数

13.2.9 VMA 指标函数

13.3 反趋向指标函数

13.3.1 KD 指标函数

13.3.2 MFI 指标函数

13.3.3 RSI 指标函数

13.3.4 OSC 指标函数

13.3.5 WR 指标函数

13.3.6 CCI 指标函数

13.4 压力支撑指标函数

13.4.1 BOLL 指标函数

13.4.2 MIKE 指标函数

13.4.3 XS 指标函数

13.5 量价指标函数

13.5.1 OBV 指标函数

13.5.2 VOL 指标函数

13.5.3 VR 指标函数

13.5.4 MASS 指标函数

第14章 Python 量化交易策略的回测技巧

14.1 量化交易策略回测的流程

14.2 利用Python 编写MACD 指标量化策略

14.2.1 量化交易策略的编辑页面

14.2.2 编写初始化函数

14.2.3 编写单位时间调用的函数

14.3 设置MACD 指标量化策略的回测参数

14.4 MACD 指标量化策略的回测详情

14.5 MACD 指标量化策略的风险指标

14.5.1 Alpha（阿尔法）

14.5.2 Beta（贝塔）

14.5.3 Sharpe（夏普比率）

14.5.4 Sortino（索提诺比率）

14.5.5 Information Ratio（信息比率）

14.5.6 Volatility（策略波动率）

14.5.7 Benchmark Volatility（基准波动率）

14.5.8 Max Drawdown（优选回撤）

第15章 Python 量化交易策略的因子分析技巧

15.1 因子分析概述

15.1.1 因子的类型

15.1.2 因子分析的作用

15.2 因子分析的实现代码

15.2.1 因子分析中变量的含义

15.2.2 因子分析中可以使用的基础因子

15.2.3 calc 的参数及返回值

15.3 因子分析的结果

15.3.1 新建因子

15.3.2 收益分析

15.3.3 IC 分析

15.3.4 换手分析

15.4 因子在研究和回测中的使用

15.5 基本面因子应用实例

第16章 Python 量化交易策略的实战案例

16.1 MA 均线量化交易策略实战案例

16.1.1 编写初始化函数

16.1.2 编写单位时间调用的函数

16.1.3 MA 均线量化交易策略的回测

16.2 多均线量化交易策略实战案例

16.2.1 编写初始化函数

16.2.2 编写交易程序函数

16.2.3 多均线量化交易策略的回测

16.3 能量型指标量化交易策略实战案例

16.3.1 编写初始化函数

16.3.2 编写单位时间调用的函数

16.3.3 能量型指标量化交易策略的回测

16.4 KD 指标量化交易策略实战案例

16.4.1 编写初始化函数

16.4.2 编写开盘前运行函数

16.4.3 编写开盘时运行函数

16.4.4 编写收盘后运行函数

16.4.5 KD 指标量化交易策略的回测

16.5 BOLL 指标量化交易策略实战案例

16.5.1 编写初始化函数

16.5.2 编写开盘前运行函数

16.5.3 编写开盘时运行函数

16.5.4 编写收盘后运行函数

16.5.5 BOLL 指标量化交易策略的回测

16.6 多股票持仓量化交易策略实战案例

16.6.1 编写初始化函数

16.6.2 编写单位时间调用的函数

16.6.3 多股票持仓量化交易策略的回测

16.7 医药股轮动量化交易策略实战案例

16.7.1 编写初始化函数

16.7.2 编写选股函数

16.7.3 编写交易函数

16.7.4 医药股轮动量化交易策略的回测

16.8 中市值股票量化交易策略实战案例

16.8.1 编写初始化函数

16.8.2 编写选股函数

16.8.3 编写过滤停牌股票函数

16.8.4 编写交易函数

16.8.5 中市值股票量化交易策略的回测

16.9 低估价值股量化交易策略实战案例

16.9.1 编写初始化函数

16.9.2 编写选股函数

16.9.3 编写交易函数

16.9.4 低估价值股量化交易策略的回测

暂无相关内容，正在全力查找中

暂无出版社相关信息，正在全力查找中！

暂无相关书籍摘录，正在全力查找中！

在线阅读地址：从零开始学Python大数据与量化交易 清华大学出版社在线阅读

在线听书地址：从零开始学Python大数据与量化交易 清华大学出版社在线收听

在线购买地址：从零开始学Python大数据与量化交易 清华大学出版社在线购买

暂无原文赏析，正在全力查找中！

暂无其它内容！