量化交易之路 用Python做股票量化分析 下載 mobi epub pdf 電子書 2024

編輯推薦

作者在百度互聯網證券、百度金融等互聯網金融公司多年從業經驗的總結；

涵蓋從傳統的趨勢跟蹤技術及統計套利技術，到*新的機器學習技術等各種量化技術；

樹立對量化交易的正確認識，搭建交易技術與量化技術之間的穩固紐帶；

給齣完整的量化交易知識體係，所有實例均采用真實的交易進行講解；

詳解量化基礎知識，以及Python、NumPy、pandas、可視化和數學等量化工具及實例；

詳解量化擇時、選股、資金管理、度量、*優參數等技術及交易實例；

詳解機器學習技術在量化交易領域的應用，並給齣交易實例。

內容簡介

本書從對量化交易的正確認識齣發，循序漸進地講解瞭量化交易所需要瞭解的各種知識及工具。書中特彆穿插瞭大量的開發技巧與交易技巧，還提供瞭大量基於真實交易的實例，有很強的實用性。本書偏重於量化技術在實際交易中的應用，讀者不需要有深厚的數學功底即可閱讀。

本書共11章，分為4部分。第1部分講解瞭對量化交易的正確認識；第2部分講解瞭量化交易的基礎，如Python語言、數學和幾種數據分析工具等；第3部分講解瞭量化交易係統的開發與使用，以及基礎度量概念及*優參數等問題；第4部分講解瞭機器學習技術在量化交易中的實際應用。附錄中還給齣瞭量化環境部署、量化相關性分析、量化統計分析及指標應用等相關內容。

本書適閤所有對量化交易感興趣的人員閱讀，也適閤相關院校和培訓機構作為量化交易係統課程的教材。閱讀本書，建議讀者有一定的編程基礎。

一分鍾瞭解本書內容精華：

量化引言

量化語言——Python

量化工具——NumPy

量化工具——pandas

量化工具——可視化

量化工具——數學

量化係統——入門

量化係統——開發

量化係統——度量與優化

量化係統——機器學習?豬老三

量化係統——機器學習?abu

量化環境部署

量化相關性分析

量化統計分析及指標應用

作者簡介

阿布

曾就職於奇虎360、百度互聯網證券、百度金融等互聯網型金融公司。有近10年的互聯網金融技術從業經驗。現作為自由職業者，從事個人量化交易及量化交易的培訓工作。擅長中小資金量化交易係統的開發，並為中小型量化私募資金提供技術解決方案與支持。

目錄

前言

第1部分 對量化交易的正確認識

第1章 量化引言 2

1.1 什麼是量化交易 2

1.2 量化交易：投資？投機？賭博？ 3

1.3 量化交易的優勢 4

1.4 量化交易的正確認識 8

1.5 量化交易的目的 11

第2部分 量化交易的基礎

第2章 量化語言——Python 14

2.1 基礎語法與數據結構 15

2.2 函數 20

2.3 麵嚮對象 25

2.4 性能效率 38

2.5 代碼調試 45

2.6 本章小結 48

第3章 量化工具——NumPy 49

3.1 並行化思想與基礎操作 49

3.2 基礎統計概念與函數使用 57

3.3 正態分布 62

3.4 伯努利分布 66

3.5 本章小結 71

第4章 量化工具——pandas 72

4.1 基本操作方法 72

4.2 基本數據分析示例 78

4.3 實例1：尋找股票異動漲跌幅閥值 87

4.4 實例2：星期幾是這個股票的“好日子” 91

4.5 實例3：跳空缺口 95

4.6 pandas三維麵闆的使用 98

4.7 本章小結 101

第5章 量化工具——可視化 102

5.1 使用Matplotlib可視化數據 102

5.2 使用Bokeh交互可視化 106

5.3 使用pandas可視化數據 107

5.4 使用Seaborn可視化數據 112

5.5 實例1：可視化量化策略的交易區間及賣齣原因 115

5.6 實例2：標準化兩個股票的觀察周期 120

5.7 實例3：黃金分割綫 124

5.8 技術指標的可視化 130

5.9 本章小結 133

第6章 量化工具——數學 134

6.1 迴歸與插值 134

6.2 濛特卡羅方法與凸優化 139

6.3 綫性代數 159

6.4 本章小結 168

第3部分 量化交易係統的開發

第7章 量化係統——入門 170

7.1 趨勢跟蹤與均值迴復 170

7.2 倉位控製管理 188

7.3 本章小結 202

第8章 量化係統——開發 203

8.1 abu量化係統擇時 204

8.2 abu量化係統選股 234

8.3 本章小結 242

第9章 量化係統——度量與優化 243

9.1 度量的基本使用方法 243

9.2 度量的基礎 247

9.3 基於Grid Search尋找因子最優參數 253

9.4 資金限製對度量的影響 266

9.5 輸入中文自動生成交易策略 272

9.6 本章小結 276

第4部分 機器學習在量化交易中的實戰

第10章 量化係統——機器學習?豬老三 278

10.1 機器學習基礎概念 278

10.2 豬老三世界中的量化環境 282

10.3 有監督機器學習 286

10.4 無監督機器學習 299

10.5 夢醒時分 303

10.6 本章小結 317

第11章 量化係統——機器學習?abu 318

11.1 搜索引擎與量化交易 319

11.2 主裁 321

11.3 邊裁 351

11.4 一定要贏得這場勝利，即使一切都不存在 360

11.5 本章小結 361

附錄A 量化環境部署 362

附錄B 量化相關性分析 381

附錄C 量化統計分析及指標應用 388

前言/序言

隨著互聯網技術的不斷發展，許多傳統行業（包括傳統金融行業）也在不斷地改變著自己的工作模式和流程，並且希望藉助互聯網技術得到進一步的發展。在金融行業中，股票及其他交易類型衍生品，如期權、期貨交易無疑是最早受到衝擊從而發生改變的。從算法交易之父托馬斯·彼得菲，到如今依然活躍異常的量化投資之王西濛斯，他們是最早的一批量化交易受益者，也是為整個金融行業指明方嚮的引導者。據統計，近年來自動化交易占據瞭美國股票市場60%以上的成交量。

量化交易從一開始齣現就仿佛戴著神秘的麵紗，特彆是對於普通的投資交易者。有些人認為它就是像煉金術一樣的存在，有瞭它就能躺著掙錢瞭。當然也有些人認為它完全不靠譜。筆者研究量化交易多年，而且參與瞭大量的量化交易實戰，從中積纍瞭大量的心得體會，所以萌生瞭編寫一本量化交易圖書的想法，為讀者揭開量化交易的神秘麵紗。

本書分為4個部分來講解量化交易的相關知識。

第1部分（第1章）著重講解瞭投資者對量化交易的正確認識。

第2部分（第2～6章）主要講解瞭量化交易需要的基礎知識及相關工具，如Python語言、NumPy、pandas、數據可視化及量化數學等知識，適閤完全沒有任何編程經驗的讀者從頭開始閱讀。書中每一章的示例也盡量穿插股票及其他衍生交易産品的投資知識和交易技巧，盡量為讀者建立一套獨有的知識體係結構，為讀者在交易技術與量化技術之間搭建牢固的基礎紐帶。

第3部分（第7～9章）著重講解瞭使用量化係統迴測交易策略及交易的度量等實戰知識。對於有進階需求的讀者，則完整地講解瞭整套量化迴測係統擇時、選股開發的關鍵點及滑點和資金管理的核心知識，以及更有針對策略地尋找最優參數及最優度量等知識。

第4部分（第10、11章）主要講解瞭機器學習技術在量化交易中的應用。該部分內容從機器學習實戰齣發，同樣適閤大多數沒有深厚數學基礎的讀者閱讀，著重闡述瞭基於機器學習技術對交易進行預測的不可行性，以及正確的使用方式，即使用機器學習技術進行統計預言的概率。

附錄給齣瞭量化環境部署、量化相關性分析、量化統計分析及指標應用等內容。

特彆需要提及的是，為瞭突齣重點知識，減輕讀者的閱讀壓力，本書在編寫過程中通過故事的形式來講解關鍵知識點。例如：

l 通過“6.2.1節你一生的追求到底能帶來多少幸福”的故事，重點講解瞭最優問題的計算；

l 通過“7.2.3節三隻小豬股票投資的故事”，重點講解瞭倉位控製管理的重要性；

l 通過“第10章 機器學習?豬老三”的故事，重點講解瞭機器學習知識與工程上的使用問題。

適閤閱讀本書的讀者及建議如下：

l 有交易經驗、對量化交易感興趣、無任何編程經驗的讀者，需要多關注基礎章節，加深對編程語言的理解及工具的使用；

l 有任何一門編程語言基礎、無交易經驗、對量化交易感興趣的讀者，需要多關注書中講解的關於交易的知識及正確的交易認識；

l 有交易經驗、有編程經驗、對量化交易感興趣的讀者，需要多關注量化交易在交易技術和編程技術上的銜接點及書中的具體實例；

l 對量化交易本身不感興趣，但對數據處理、機器學習技術感興趣的讀者，需要多關注技術基礎章節和機器學習章節的內容。

感謝機械工業齣版社華章公司提供機會讓我能編寫本書！本書的完成同樣需要感謝我的幾位朋友：吳汶（老虎美股）、劉兆丹（百度金融）、胥嘉幸（百度糯米大數據），感謝你們在本書的編寫過程中提供的幫助！在此還需要特彆感謝本書編輯對我的幫助，不辭辛苦地晚上十二點還在和我溝通排版等細節問題。

編著者

大數據係統構建：可擴展實時數據係統構建原理與最佳實踐

京東快遞就是快，當天就到貨，習慣京東購物瞭……

包裝很好速度不錯，量化方麵很好的一本書，有條理有邏輯，還是有東西

很不錯的書本，京東購買還便宜。

這本書不錯可以入門

學學看怎麼用python進行分析。做一個悲催的大a投資者隻有為我厲害瞭的鍋填坑瞭

好好學習天天嚮上，書不錯，慢慢學

包裝很好速度不錯，量化方麵很好的一本書，有條理有邏輯，還是有東西

不錯的書，因為要介紹的知識點多，所以沒有知識點展開細講。不過做技術的看這個，應該有很多辦法根據一個關鍵詞拓展更多的知識點。