×
量化投资-以Python为工具

量化投资-以Python为工具

1星价 ¥48.5 (4.9折)
2星价¥48.5 定价¥99.0

温馨提示:5折以下图书主要为出版社尾货,大部分为全新(有塑封/无塑封),个别图书品相8-9成新、切口有划线标记、光盘等附件不全详细品相说明>>

图文详情
  • ISBN:9787121305146
  • 装帧:暂无
  • 册数:暂无
  • 重量:暂无
  • 开本:32开
  • 页数:552
  • 出版时间:2017-02-01
  • 条形码:9787121305146 ; 978-7-121-30514-6

本书特色

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。

内容简介

指导读者:
迅速掌握用Python 语言处理数据的方法;
灵活运用Python 解决实际金融问题;
掌握量化投资所需的理论知识;
领会如何在Python 语言中构建量化投资策略。

目录

目录

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

第10 章常用第三方库:Numpy 库与多维数组 111
10.1 NumPy 库 111
10.2 创建数组 111
10.3 数组元素索引与切片115
10.4 数组运算 118

第11 章常用第三方库:Pandas 与数据处理 120
11.1 Series 类型数据120
11.1.1 Series 对象的创建120
11.1.2 Series 对象的元素提取与切片122
11.1.2.1调用方法提取元素122
11.1.2.2利用位置或标签提取元素与切片123
11.1.3 时间序列124
11.2 DataFrame 类型数据128
11.2.1 创建DataFrame 对象128
11.2.2 查看DataFrame 对象130
11.2.3 DataFrame 对象的索引与切片131
11.2.4 DataFrame 的操作135
11.2.5 DataFrame 的运算139
11.3 数据规整化 142
11.3.1 缺失值的处理142
11.3.1.1缺失值的判断142
11.3.1.2选出不是缺失值的数据143
11.3.2 缺失值的填充143
11.3.3 缺失值的选择删除145
11.3.4 删除重复数据146

第12 章常用第三方库:Matplotlib 库与数据可视化 149
12.1 Matplotlib 简介149
12.2 修改图像属性152
12.2.1 坐标 152
12.2.1.1更改坐标轴范围152
12.2.1.2设定坐标标签与显示角度153
12.2.2 添加文本155
12.2.2.1添加标题155
12.2.2.2中文显示问题157
12.2.2.3设定坐标轴标签159
12.2.2.4增加图形背景grid 160
12.2.2.5增加图例161
12.2.3 多种线条属性162
12.2.3.1线条的类型162
12.2.3.2图形的颜色163
12.2.3.3点的形状类型164
12.2.3.4线条宽度166
12.3 常见图形的绘制167
12.3.1 柱状图(Bar charts) 167
12.3.2 直方图170
12.3.3 饼图 172
12.3.4 箱线图172
12.4 Figure、Axes 对象与多图绘制173
12.4.1 Figure、Axes 对象174
12.4.2 多图绘制176
12.4.2.1多个子图绘制176
12.4.2.2一个图中多条曲线绘制178
第2 部分统计学基础 180

第13 章描述性统计 181
13.1 数据类型 182
13.2 图表 182
13.2.1 频数分布表182
13.2.2 直方图183
13.3 数据的位置 184
13.4 数据的离散度186

第14 章随机变量简介 190
14.1 概率与概率分布190
14.1.1 离散型随机变量190
14.1.2 连续型随机变量192
14.2 期望值与方差193
14.3 二项分布 194
14.4 正态分布 197
14.5 其他连续分布199
14.5.1 卡方分布199
14.5.2 t 分布199
14.5.3 F 分布200
14.6 变量的关系 202
14.6.1 联合概率分布202
14.6.2 变量的独立性203
14.6.3 变量的相关性203
14.6.4 上证综指与深证综指的相关性分析205

第15 章推断统计 208
15.1 参数估计 208
15.1.1 点估计209
15.1.2 区间估计209
15.2 案例分析 212
15.3 假设检验 213
15.3.1 两类错误214
15.3.2 显著性水平与p 值215
15.3.3 确定小概率事件215
15.4 t 检验 216
15.4.1 单样本t 检验216
15.4.2 独立样本t 检验217
15.4.3 配对样本t 统计量的构造218

第16 章方差分析 221
16.1 方差分析之思想221
16.2 方差分析之原理222
16.2.1 离差平方和223
16.2.2 自由度224
16.2.3 显著性检验225
16.3 方差分析之Python 实现226
16.3.1 单因素方差分析227
16.3.2 多因素方差分析228
16.3.3 析因方差分析228

第17 章回归分析 231
17.1 一元线性回归模型231
17.1.1 一元线性回归模型231
17.1.2 *小平方法232
17.2 模型拟合度 233
17.3 古典假设条件下^_、^ _ 之统计性质234
17.4 显著性检验 235
17.5 上证综指与深证成指的回归分析与Python 实践236
17.5.1 Python 拟合回归函数236
17.5.2 绘制回归诊断图238
17.6 多元线性回归模型240
17.7 多元线性回归案例分析241
17.7.1 价格水平对GDP 的影响241
17.7.2 考量自变量共线性因素的新模型243
第3 部分金融理论、投资组合与量化选股246

第18 章资产收益率和风险 247
18.1 单期与多期简单收益率248
18.1.1 单期简单收益率248
18.1.2 多期简单收益率249
18.1.3 Python 函数计算简单收益率252
18.1.4 单期与多期简单收益率的关系252
18.1.5 年化收益率254
18.1.6 考虑股利分红的简单收益率256
18.2 连续复利收益率259
18.2.1 多期连续复利收益率260
18.2.2 单期与多期连续复利收益率的关系262
18.3 绘制收益图 263
18.4 资产风险的来源264
18.4.1 市场风险264
18.4.2 利率风险264
18.4.3 汇率风险265
18.4.4 流动性风险265
18.4.5 信用风险265
18.4.6 通货膨胀风险266
18.4.7 营运风险266
18.5 资产风险的测度266
18.5.1 方差 266
18.5.2 下行风险268
18.5.3 风险价值269
18.5.4 期望亏空271
18.5.5 *大回撤271

第19 章投资组合理论及其拓展 276
19.1 投资组合的收益率与风险276
19.2 Markowitz 均值-方差模型280
19.3 Markowitz 模型之Python 实现285
19.4 Black-Litterman 模型289

第20 章资本资产定价模型(CAPM) 298
20.1 资本资产定价模型的核心思想298
20.2 CAPM 模型的应用299
20.3 Python 计算单资产CAPM 实例301
20.4 CAPM 模型的评价305

第21 章Fama-French 三因子模型 308
21.1 Fama-French 三因子模型的基本思想308
21.2 三因子模型之Python 实现310
21.3 三因子模型的评价315
第4 部分时间序列简介与配对交易 317

第22 章时间序列基本概念 318
22.1 认识时间序列318
22.2 Python 中的时间序列数据320
22.3 选取特定日期的时间序列数据321
22.4 时间序列数据描述性统计323

第23 章时间序列的基本性质 326
23.1 自相关性 326
23.1.1 自协方差327
23.1.2 自相关系数327
23.1.3 偏自相关系数327
23.1.4 acf( ) 函数与pacf( ) 函数328
23.1.5 上证综指的收益率指数的自相关性判断328
23.2 平稳性 331
23.2.1 强平稳331
23.2.2 弱平稳332
23.2.3 强平稳与弱平稳的区别332
23.3 上证综指的平稳性检验333
23.3.1 观察时间序列图333
23.3.2 观察序列的自相关图和偏自相关图333
23.3.3 单位根检验336
23.4 白噪声 340
23.4.1 白噪声340
23.4.2 白噪声检验――Ljung-Box 检验341
23.4.3 上证综合指数的白噪声检验343

第24 章时间序列预测 345
24.1 移动平均预测345
24.1.1 简单移动平均345
24.1.2 加权移动平均346
24.1.3 指数加权移动平均346
24.2 ARMA 模型预测347
24.2.1 自回归模型348
24.2.2 移动平均模型350
24.3 自回归移动平均模型350
24.4 ARMA 模型的建模过程351
24.5 CPI 数据的ARMA 短期预测351
24.5.1 序列识别351
24.5.2 模型识别与估计354
24.5.3 模型诊断356
24.5.4 运用模型进行预测359
24.6 股票收益率的平稳时间序列建模359

第25 章GARCH 模型 364
25.1 资产收益率的波动率与ARCH 效应364
25.2 ARCH 模型和GARCH 模型365
25.2.1 ARCH 模型365
25.2.2 GARCH 模型366
25.3 ARCH 效应检验368
25.4 GARCH 模型构建370

第26 章配对交易策略 372
26.1 什么是配对交易372
26.2 配对交易的思想373
26.3 配对交易的步骤374
26.3.1 股票对的选择374
26.3.2 配对交易策略的制定383
26.4 构建PairTrading 类387
26.5 Python 实测配对交易交易策略391
第5 部分技术指标与量化投资399

第27 章K 线图 400
27.1 K 线图简介 400
27.2 Python 绘制上证综指K 线图403
27.3 Python 捕捉K 线图的形态405
27.3.1 Python 捕捉“早晨之星” 406
27.3.2 Python 语言捕捉“乌云盖顶”形态410

第28 章动量交易策略 416
28.1 动量概念介绍416
28.2 动量效应产生的原因416
28.3 价格动量的计算公式417
28.3.1 作差法求动量值417
28.3.2 做除法求动量值418
28.4 编写动量函数momentum( ) 420
28.5 万科股票2015 年走势及35 日动量线420
28.6 动量交易策略的一般思路423

第29 章RSI 相对强弱指标 429
29.1 RSI 基本概念429
29.2 Python 计算RSI 值429
29.3 Python 编写rsi( ) 函数434
29.4 RSI 天数的差异435
29.5 RSI 指标判断股票超买和超卖状态436
29.6 RSI 的“黄金交叉”与“死亡交叉” 437
29.7 交通银行股票RSI 指标交易实测438
29.7.1 RSI 捕捉交通银行股票买卖点438
29.7.2 RSI 交易策略执行及回测440

第30 章均线系统策略 446
30.1 简单移动平均446
30.1.1 简单移动平均数446
30.1.2 简单移动平均函数448
30.1.3 期数选择449
30.2 加权移动平均449
30.2.1 加权移动平均数449
30.2.2 加权移动平均函数451
30.3 指数加权移动平均452
30.3.1 指数加权移动平均数452
30.3.2 指数加权移动平均函数454
30.4 创建movingAverage 模组454
30.5 常用平均方法的比较455
30.6 中国银行股价数据与均线分析456
30.7 均线时间跨度458
30.8 中国银行股票均线系统交易459
30.8.1 简单移动平均线制定中国银行股票的买卖点459
30.8.2 双均线交叉捕捉中国银行股票的买卖点462
30.9 异同移动平均线(MACD) 464
30.9.1 MACD 的求值过程464
30.9.2 异同均线(MACD)捕捉中国银行股票的买卖点466
30.10 多种均线指标综合运用模拟实测468

第31 章通道突破策略 473
31.1 通道突破简介473
31.2 唐奇安通道 473
31.2.1 唐奇安通道刻画473
31.2.2 Python 捕捉唐奇安通道突破476
31.3 布林带通道 478
31.4 布林带通道与市场风险481
31.5 通道突破交易策略的制定484
31.5.1 一般布林带上下通道突破策略484
31.5.2 特殊布林带通道突破策略485

第32 章随机指标交易策略 489
32.1 什么是随机指标(KDJ) 489
32.2 随机指标的原理489
32.3 KDJ 指标的计算公式490
32.3.1 未成熟随机指标RSV 490
32.3.2 K、D 指标计算495
32.3.3 J 指标计算497
32.3.4 KDJ 指标简要分析498
32.4 KDJ 指标的交易策略499
32.5 KDJ 指标交易实测499
32.5.1 KD 指标交易策略499
32.5.2 KDJ 指标交易策略503
32.5.3 K 线、D 线“金叉”与“死叉” 504

第33 章量价关系分析 509
33.1 量价关系概述509
33.2 量价关系分析509
33.2.1 价涨量增510
33.2.2 价涨量平512
33.2.3 价涨量缩512
33.2.4 价平量增513
33.2.5 价平量缩514
33.2.6 价跌量增514
33.2.7 价跌量平515
33.2.8 价跌量缩515
33.3 不同价格段位的成交量516
33.4 成交量与均线思想结合制定交易策略518

第34 章OBV 指标交易策略 524
34.1 OBV 指标概念524
34.2 OBV 指标计算方法524
34.3 OBV 指标的理论依据527
34.4 OBV 指标的交易策略制定527
34.5 OBV 指标交易策略的Python 实测528
34.6 OBV 指标的应用原则530
展开全部

作者简介

蔡立耑,美国伊利诺伊大学金融硕士,华盛顿大学经济学硕士、博士。在人工智能、大数据分析、金融创新、量化投资等领域有丰富的实战经验。

预估到手价 ×

预估到手价是按参与促销活动、以最优惠的购买方案计算出的价格(不含优惠券部分),仅供参考,未必等同于实际到手价。

确定
快速
导航