简体网页||繁体网页

☆☆☆☆☆

图书标签:

• 量化投资
• Python
• 大数据
• 机器学习
• 量化交易
• 编程入门
• 金融工程
• 数据分析
• 算法交易
• 投资策略

店铺： 蓝墨水图书专营店

出版社： 电子工业出版社

ISBN：9787121311413

商品编码：14354189674

量化投资: 以Python 为工具+零起点Python大数据与量化交易+机器学习快速入门

9787121311413 9787121305146 9787121306594

零起点Python大数据与量化交易

本书是国内较早关于Python大数据与量化交易的原创书籍，配合zwPython、zwQuant开源量化软件学习，已经是一套完整的大数据分析、量化交易学习教材，可直接用于实盘交易。本书特色：一是，以实盘个案分析为主，全程配有Python代码；第二，包含大量的图文案例和Python源码，无须专业编程基础，懂Excel即可开始学习；第三，配有专业的zwPython、zwQuant量化软件和zwDat数据包。本书内容源自笔者的原版教学课件，虽然限于篇幅和载体，省略了视频和部分环节，但核心内容都有保留，配套的近百套Python教学程序没有进行任何删减。考虑到广大入门读者的需求，笔者在各个核心函数环节增添了函数流程图。

第1章 从故事开始学量化 1
1.1 亿万富翁的“神奇公式” 2
1.1.1 案例1-1：亿万富翁的“神奇公式” 2
1.1.2 案例分析：Python图表 5
1.1.3 matplotlib绘图模块库 7
1.1.4 案例分析：style绘图风格 10
1.1.5 案例分析：colormap颜色表 12
1.1.6 案例分析：颜色表关键词 14
1.1.7 深入浅出 17
1.2 股市“一月效应” 18
1.2.1 案例1-2：股市“一月效应” 18
1.2.2 案例分析：“一月效应”计算 19
1.2.3 案例分析：“一月效应”图表分析 24
1.2.4 案例分析：颜色表效果图 26
1.2.5 “一月效应”全文注解版Python源码 27
1.2.6 大数据?宏分析 34
1.3 量化交易流程与概念 36
1.3.1 数据分析I2O流程 36
1.3.2 量化交易不是高频交易、自动交易 37
1.3.3 小资、小白、韭菜 38
1.3.4 专业与业余 38
1.4 用户运行环境配置 42
1.4.1 程序目录结构 43
1.4.2 金融股票数据包 44
1.5 Python实战操作技巧 46
1.5.1 模块检测 46
1.5.2 Spyder编辑器界面设置 47
1.5.3 代码配色技巧 48
1.5.4 图像显示配置 50
1.5.5 Python2、Python 3双版本双开模式 51
1.5.6 单版本双开、多开模式 52
1.5.7 实战胜于一切 54
1.6 量化、中医与西医 54

第2章 常用量化技术指标与框架 56
2.1 案例2-1：SMA均线策略 56
2.1.1 案例要点与事件编程 58
2.1.2 量化程序结构 61
2.1.3 main程序主入口 61
2.1.4 KISS法则 63
2.2 Python量化系统框架 64
2.2.1 量化行业关键词 64
2.2.2 国外主流Python量化网站 65
2.2.3 我国主流Python量化网站 67
2.2.4 主流Python量化框架 70
2.3 常用量化软件包 78
2.3.1 常用量化软件包简介 79
2.3.2 案例2-2：模块库列表 80
2.4 常用量化技术指标 82
2.4.1 TA-Lib金融软件包 83
2.4.2 案例2-3：MA均线函数调用 84
2.4.3 TA-Lib函数调用 86
2.4.4 量化分析常用指标 88
2.5 **量化策略 90
2.5.1 阿尔法（Alpha）策略 90
2.5.2 Beta策略 92
2.5.3 海龟交易法则 93
2.5.4 ETF套利策略 95
2.6 常用量化策略 95
2.6.1 动量交易策略 96
2.6.2 均值回归策略 97
2.6.3 其他常用量化策略 98
2.7 起点与终点 100

第3章 金融数据采集整理 101
3.1 常用数据源API与模块库 102
3.1.1 大数据综合API 102
3.1.2 专业财经数据API 103
3.1.3 专业数据模块库 104
3.2 案例3-1：zwDatX数据类 104
3.3 美股数据源模块库 108
3.4 开源文档库Read the Docs 109
3.5 案例3-2：下载美股数据 110
3.6 财经数据源模块库TuShare 113
3.6.1 沪深股票列表 115
3.6.2 案例3-3：下载股票代码数据 116
3.6.3 CSV文件处理 119
3.7 历史数据 121
3.7.1 历史行情 121
3.7.2 案例3-4：下载近期股票数据 124
3.7.3 历史复权数据 130
3.7.4 案例3-5：下载历史复权数据 131
3.8 其他交易数据 134
3.9 zwDat超大股票数据源与数据更新 143
3.9.1 案例3-6：A股基本概况数据下载 144
3.9.2 案例3-7：A股交易数据下载 146
3.9.3 案例3-8：A股指数行情数据下载 150
3.9.4 案例3-9：美股交易数据下载 151
3.10 数据归一化处理 153
3.10.1 中美股票数据格式差异 153
3.10.2 案例3-10：数据格式转化 154
3.10.3 案例3-11：A股策略PAT实盘分析 156
3.10.4 案例3-12：数据归一化 158
3.11 为有源头活水来 160

第4章 PAT案例汇编 162
4.1 投资组合与回报率 163
4.1.1 案例4-1：下载多组美股数据 163
4.1.2 案例4-2：投资组合收益计算 165
4.2 SMA均线策略 168
4.2.1 SMA简单移动平均线 168
4.2.2 案例4-3：原版SMA均线策略 169
4.2.3 案例4-4：增强版SMA均线策略 173
4.2.4 案例4-5：A股版SMA均线策略 174
4.3 均线交叉策略 175
4.3.1 案例4-6：均线交叉策略 176
4.3.2 案例4-7：A股版均线交叉策略 178
4.4 VWAP动量策略 181
4.4.1 案例4-8：VWAP动量策略 182
4.4.2 案例4-9：A股版VWAP动量策略 183
4.5 布林带策略 183
4.5.1 案例4-10：布林带策略 185
4.5.2 案例4-11：A股版布林带策略 186
4.6 RSI2策略 188
4.6.1 案例4-12：RSI2策略 190
4.6.2 案例4-13：A股版RSI2策略 190
4.7 案例与传承 194..........

量化投资：以Python为工具

本书主要讲解量化投资的思想和策略，并借助Python 语言进行实战。本书一共分为5 部分，第1 部分是Python 入门，第2 部分是统计学基础，第3 部分是金融理论、投资组合与量化选股，第4 部分是时间序列简介与配对交易，第5 部分是技术指标与量化投资。本书首先对Python 编程语言进行介绍，通过学习，读者可以迅速掌握用Python 语言处理数据的方法，并灵活运用Python 解决实际金融问题；其次，向读者介绍量化投资的理论知识，主要讲解量化投资所需的数量基础和类型等方面；*后讲述如何在Python 语言中构建量化投资策略。

第1 部分Python 入门 1 
第1 章Python 简介与安装使用 2 
1．1 Python 概述  2 
1．2 Python 的安装3 
1．2．1 下载安装Python 执行文件3 
1．2．2 下载安装Anaconda 4 
1．2．3 多种Python 版本并存6 
1．3 Python 的简单使用7 
1．4 交互对话环境IPython 8 
1．4．1 IPython 的安装8 
1．4．2 IPython 的使用9 
1．4．3 IPython 功能介绍10 

第2 章Python 代码的编写与执行 14 

2．1 创建Python 脚本文件15 

2．1．1 记事本15 

2．1．2 Python 默认的IDLE 环境15 

2．1．3 专门的程序编辑器15 
2．2 执行．py 文件  17 
2．2．1 IDLE 环境自动执行17 
2．2．2 在控制台cmd 中执行18 
2．2．3 在AnnacondaPrompt 中执行19 
2．3 Python 编程小技巧20 
2．3．1 Python 行20 
2．3．2 Python 缩进21 

第3 章Python 对象类型初探 23 

3．1 Python 对象  23 

3．2 变量命名规则24 
3．3 数值类型  25 
3．3．1 整数  25 
3．3．2 浮点数26 
3．3．3 布尔类型26 
3．3．4 复数  27 
3．4 字符串  28 
3．5 列表  29 
3．6 可变与不可变30 
3．7 元组  32 
3．8 字典  33 
3．9 集合  33 

第4 章Python 集成开发环境：Spyder 介绍 36 
4．1 代码编辑器  37 
4．2 代码执行Console 39 
4．3 变量查看与编辑40 
4．4 当前工作路径与文件管理41 
4．5 帮助文档与在线帮助42 
4．6 其他功能  43 

第5 章Python 运算符与使用 44 
5．1 常用运算符  44 
5．1．1 算术运算符45 
5．1．2 赋值运算符46 
5．1．3 比较运算符47 
5．1．4 逻辑运算符48 
5．1．5 身份运算符49 
5．1．6 成员运算符51 
5．1．7 运算符的优先级52 
5．2 具有运算功能的内置函数52 

第6 章Python 常用语句 55 
6．1 赋值语句  55 
6．1．1 赋值含义与简单赋值55 
6．1．2 多重赋值57 
6．1．3 多元赋值58 
6．1．4 增强赋值58 
6．2 条件语句  59 
6．3 循环语句  60 
6．3．1 for 循环60 
6．3．2 while 循环61 
6．3．3 嵌套循环62 
6．3．4 break、continue 等语句62 

第7 章函数 66 
7．1 函数的定义与调用66 
7．2 函数的参数  68 
7．3 匿名函数  71 
7．4 作用域  72 

第8 章面向对象75 
8．1 类  75 
8．2 封装  77 
8．3 继承（Inheritance） 79 

第9 章Python 标准库与数据操作 82 
9．1 模块、包和库82 
9．1．1 模块  82 
9．1．2 包  84 
9．1．3 库  85 
9．2 Python 标准库介绍85 
9．3 Python 内置数据类型与操作91 
9．3．1 序列类型数据操作91 
9．3．1．1list 类型与操作91 
9．3．1．2tuple 类型与操作95 
9．3．1．3range 类型与操作97 
9．3．1．4字符串操作98 
9．3．2 字典类型操作103 
9．3．3 集合操作106 ..............

零起点Python机器学习快速入门

本书采用独创的黑箱模式，MBA案例教学机制，结合一线实战案例，介绍Sklearn人工智能模块库和常用的机器学习算法。书中配备大量图表说明，没有枯燥的数学公式，普通读者，只要懂Word、Excel，就能够轻松阅读全书，并学习使用书中的知识，分析大数据。本书具有以下特色：独创的黑箱教学模式，全书无任何抽象理论和深奥的数学公式。首次系统化融合Sklearn人工智能软件和Pandas数据分析软件，不用再直接使用复杂的Numpy数学矩阵模块。系统化的Sklearn函数和API中文文档，可作为案头工具书随时查阅。基于Sklearn Pandas模式，无须任何理论基础，全程采用MBA案例模式，懂Excel就可看懂。

第 1 章 从阿尔法狗开始说起1
1.1 阿尔法狗的前世今生.......1
1.2 机器学习是什么.....2
1.3 机器学习大史记.....3
1.4 机器学习**案例......... 11
第 2 章 开发环境......13
2.1 数据分析， Python.....13
2.2 用户运行平台.......18
2.3 程序目录结构.......19
2.4 Spyder 编辑器界面设置.20
2.5 Python 命令行模式.........26
2.6 Notebook 模式......27
2.7 模块库控制面板...29
2.8 使用 pip 更新模块库......33
第 3 章 Python 入门案例....39
3.1 案例 3-1：，次编程“hello,ziwang” ....39
3.2 案例 3-2：增强版“hello,zwiang” ..42
3.3 案例 3-3：列举系统模块库清单.......44
3.4 案例 3-4：常用绘图风格.........45
3.5 案例 3-5：Pandas 常用绘图风格.......47
3.6 案例 3-6：常用颜色表 cors.....49
3.7 案例源码.....50
第 4 章 Python 基本语法....58
4.1 数据类型.....58
案例 4-1：基本运算.......59
4.2 字符串.........61
案例 4-2：字符串入门...61
案例 4-3：字符串常用方法.....63
4.3 List 列表......64
案例 4-4：列表操作.......65
4.4 Tuple 元组...66
案例 4-5：元组操作.......67
4.5 Dictionary 字典.....68
案例 4-6：字典操作.......68
4.6 数据类型转换.......70
案例 4-7：控制语句.......71
案例 4-8：函数定义.......73
4.7 案例源码.....75
第 5 章 Python 人工智能入门与实践......85
5.1 从忘却开始.85
5.2 Iris **爱丽丝.....89
案例 5-1：Iris 爱丽丝 ....90
案例 5-2：爱丽丝进化与文本矢量化.........92
5.3 AI 操作流程95
5.4 数据切割函数.......98
案例 5-3：Iris 爱丽丝分解 ......99
案例 5-4：线性回归算法.......103
5.5 案例源码...109
第 6 章 机器学习**算法案例（上） . 116
6.1 线性回归... 116
6.2 逻辑回归算法.....124
案例 6-1：逻辑回归算法.......125
6.3 朴素贝叶斯算法.127
案例 6-2：贝叶斯算法.129
6.4 KNN 近邻算法 ...130
案例 6-3：KNN 近邻算法.....133
6.5 随机森林算法.....135
案例 6-4：随机森林算法.......139
6.6 案例源码...140
第 7 章 机器学习**算法案例（下） .149
7.1 决策树算法.........149
案例 7-1：决策树算法.151
7.2 GBDT 迭代决策树算法.........153
案例 7-2：GBDT 迭代决策树算法.154
7.3 SVM 向量机 .......156
案例 7-3：SVM 向量机算法.157
7.4 SVM-cross 向量机交叉算法..159
案例 7-4：SVM-cross 向量机交叉算法....160
7.5 神经网络算法.....161
案例 7-5：MLP 神经网络算法........165
案例 7-6：MLP_reg 神经网络回归算法...168
7.6 案例源码...170
第 8 章 机器学习组合算法 .........183
8.1 CCPP 数据集......183
案例 8-1：CCPP 数据集........184
案例 8-2：CCPP 数据切割....186
案例 8-3：读取 CCPP 数据集.........189
8.2 机器学习统一接口函数.........192
案例 8-4：机器学习统一接口.........193
案例 8-5：批量调用机器学习算法.201
案例 8-6：一体化调用.205
8.3 模型预制与保存.208
案例 8-7：储存算法模型.......210
案例 8-8：批量储存算法模型.........213
案例 8-9：批量加载算法模型.........215
案例 8-10：机器学习组合算法.......219
8.4 案例源码...224
附录 A Sklearn 常用模块和函数.242

评分☆☆☆☆☆

评分☆☆☆☆☆

评分☆☆☆☆☆

评分☆☆☆☆☆

评分☆☆☆☆☆

评分☆☆☆☆☆

评分☆☆☆☆☆

评分☆☆☆☆☆

评分☆☆☆☆☆