《Python量化交易實戰》是一本關於量化交易的書籍，使用python作為開發語言，內容包含python的基礎教程及量化交易的各種內容
Python量化交易實戰
作者：王曉華
定價：79元
印次：1-1
ISBN：9787302517634
出版日期：2019.02.01
印刷日期：2018.12.25
定價：79元
印次：1-1
ISBN：9787302517634
出版日期：2019.02.01
印刷日期：2018.12.25
本書分為11章，內容包括Python環境的搭建、Python數據相關類庫的使用、掘金量化終端的使用、Talib金融庫的詳解、多因子策略的介紹、帶技術指標的多因子策略、中證紅利指數增強策略、回歸分析與TensorFlow、回歸模型的經典套用、配對交易的魔力等。本書可作為量化投資技術初學者、證券從業人員、金融投資人員的自學用書，也可作為金融機構的培訓用書，還可作為高等院校相關專業師生的教學參考書。
目錄
第1章走進量化投資 1
1.1量化投資的誕生背景 1
1.2量化投資的特點 3
1.3量化投資的套用 5
1.4量化投資在我國股市的發展前景 6
1.5小結 6
第2章Python的安裝與使用 7
2.1Python的基本安裝和用法 7
2.1.1Anaconda的下載與安裝 8
2.1.2Python編譯器PyCharm的安裝 11
2.1.3使用Python計算softmax函式 14
2.2Python常用類庫中的threading 15
2.2.1threading庫的使用 16
2.2.2threading模組中最重要的Thread類 16
2.2.3threading中的Lock類 18
2.2.4threading中的join類 19
2.3小結 19
第3章Python類庫的使用——數據處理及可視化展示 20
3.1從小例子起步——NumPy的初步使用 20
3.1.1數據的矩陣化 20
3.1.2數據分析 22
3.1.3基於統計分析的數據處理 24
3.2圖形化數據處理——Matplotlib包的使用 24
3.2.1差異的可視化 24
3.2.2坐標圖的展示 25
3.2.3大規模數據的可視化 27
3.3常用的統計分析方法——相似度計算 30
3.3.1基於歐幾里得距離的相似度計算 30
3.3.2基於餘弦角度的相似度計算 31
3.3.3歐幾里得相似度與餘弦相似度的比較 32
3.4數據的統計學可視化展示 33
3.4.1數據的四分位 33
3.4.2數據的四分位示例 34
3.4.3數據的標準化 37
3.4.4數據的平行化處理 39
3.4.5熱點圖-屬性相關性檢測 41
3.5Python實戰：某地降雨的關係處理 42
3.5.1不同年份的相同月份統計 42
3.5.2不同月份之間的增減程度比較 44
3.5.3每月的降水量是否相關 45
3.6小結 46
第4章歡迎來到掘金量化 47
4.1基礎工作 47
4.1.1安裝掘金終端 47
4.1.2獲取幫助 49
4.2實戰：使用掘金終端進行回測工作 51
4.2.1創建第一個策略 51
4.2.2運行回測 52
4.2.3查看回測結果 54
4.2.4使用PyCharm進行回測 55
4.3小結 59
第5章Talib金融庫使用詳解 60
5.1Talib金融工具庫的介紹 60
5.1.1使用Talib獲取3日、7日、15日均線 60
5.1.2EMA的計算 62
5.1.3MACD的計算 64
5.1.4MACD斜率的計算方法 66
5.1.5使用Talib實現國內金融數據指標 67
5.2Talib金融工具庫函式 69
5.2.1Talib常用函式介紹 73
5.2.2Talib圖像形態識別 75
5.3實戰：Talib金融工具回測實戰 83
5.3.1根據MACD變化回測2017年盈利情況 84
5.3.2股價的波動範圍及未來走勢判定 90
5.4兩種經典的軌道突破策略 92
5.4.1DualThrust策略 92
5.4.2DynamicBreakoutII策略 96
5.5小結 99
第6章多因子策略 100
6.1一個奇怪的問題 100
6.1.1因子是什麼 101
6.1.2選取因子 102
6.1.3單因子選股輪動測試 105
6.2因子的量化選擇 108
6.2.1基於IC值的多因子計算方法 109
6.2.2基於IC值的多因子計算方法（續） 110
6.2.3因子IC值計算的目標，等權法因子值的合成 114
6.3實戰：基於成長因子的模型測試 116
6.3.1模型說明 116
6.3.2使用模型進行回測 125
6.4霍華?羅斯曼的投資模型 127
6.4.1霍華?羅斯曼簡介 127
6.4.2霍華?羅斯曼的投資模型 127
6.4.3對霍華?羅斯曼模型的分析 128
6.5小結 131
第7章帶技術指標的多因子策略 132
7.1技術面多因子介紹 132
7.1.1101個技術因子 132
7.1.2基於Talib的技術因子重寫 136
7.1.3一個基於放量技術因子策略的回測 140
7.2較為複雜的技術因子 143
7.2.1阻力支撐相對強度因子介紹 143
7.2.2改進的RSRS因子與回測數據 146
7.2.3價差偏離度因子介紹 148
7.3簡單的技術性因子—波動率因子 151
7.3.1波動率因子介紹 151
7.3.2更多的波動率因子 155
7.4實戰：一個回測成功率100%的中長線買賣例子 158
7.4.1技術指標的設計 159
7.4.2回測的設計 164
7.5小結 166
第8章人人都是基金經理——中證紅利指數增強策略 167
8.1中證紅利指數基金介紹 167
8.1.1紅利指數基金的由來 168
8.1.2中證紅利簡介 168
8.2基於中證紅利的指數增強基金策略的構建 169
8.2.1中證紅利策略的構建方法 170
8.2.2策略回測與最佳化 173
8.3小結 173
第9章掘金量化——回歸分析基礎 175
9.1回歸分析基礎 175
9.1.1回歸法簡介 176
9.1.2一元線性回歸 176
9.1.3多元線性回歸 179
9.1.4回歸法的解法——最小二乘法詳解 180
9.2回歸分析的一些其他計算方法 183
9.2.1梯度下降算法與使用TensorFlow計算線性回歸 183
9.2.2線性回歸的姐妹——邏輯回歸 189
9.3實戰：回歸分析——短時間開盤價與收盤價之間的關係 190
9.3.1量化策略基本思路與簡單實現 190
9.3.2使用掘金量化實現回測 192
9.4買還是賣——邏輯回歸幫你做決定 196
9.4.1邏輯回歸是一種分類算法 196
9.4.2邏輯回歸的TensorFlow實現 197
9.4.3使用TensorFlow的邏輯回歸進行回測 201
9.5機器學習策略——支持向量機 203
9.5.1支持向量機的基本概念 203
9.5.2使用支持向量機進行回測 204
9.6小結 208
第10章回歸模型的經典套用 209
10.1CAPM模型簡介 210
10.1.1CAPM定價模型的提出 210
10.1.2CAPM定價模型的公式與假設 211
10.1.3CAPM中Beta的定義 212
10.2Fama-French三因子模型 213
10.2.1Fama-French模型的基礎公式 214
10.2.2Fama-French模型的實現與回測 215
10.3PB-ROE回歸模型的使用 220
10.3.1PB-ROE模型介紹 220
10.3.2PB-ROE模型的實現 221
10.3.3基於上證180的股票回測 226
10.3.4使用自定義股票池的PB-ROE回測 232
10.4小結 242
第11章配對交易的魔力 243
11.1配對交易的基本理論 243
11.1.1相關性分析 244
11.1.2均值、方差與協方差 246
11.2協整性的判定與檢驗 248
11.2.1協整性 248
11.2.2平穩性的檢驗方法 249
11.3配對交易 253
11.3.1配對交易的算法 253
11.3.2提取股票的相關性 254
11.3.3協整係數的計算方法 257
11.4配對交易的魔力 263
11.4.1前期計算 263
11.4.2協整性判斷 265
11.4.3使用量化掘金回測系統對結果進行判定 266
11.5小結 270
