Python量化投资:技术、模型与策略电子书

推荐序一

推荐序二

推荐序三

前言

第1章 量化投资与Python简介

1.1 量化投资基本概念

1.2 量化投资的特征

1.3 量化投资的优势

1.4 量化、AI并不是一切

1.5 编程语言比较

1.5.1 Matlab

1.5.2 R

1.5.3 C++

1.5.4 Python

1.5.5 其他语言

1.6 为什么要使用Python

1.7 Python构建量化投资生产线

第2章 平台搭建和工具

2.1 需要考虑的问题

2.2 编程环境搭建流程

2.2.1 其他库的安装

2.2.2 四种集成开发环境（IDE）介绍

第3章 Python金融分析常用库介绍

3.1 NumPy

3.1.1 创建多维数组

3.1.2 选取数组元素

3.2 SciPy

3.3 Pandas

3.3.1 DataFrame入门

3.3.2 Series

3.4 StatsModels

第4章 可视化分析

4.1 Matplotlib

4.1.1 散点图

4.1.2 直方图

4.1.3 函数图

4.1.4 Matplotlib和seaborn的中文乱码问题

4.2 seaborn

4.3 python-highcharts

第5章 统计基础

5.1 基本统计概念

5.1.1 随机数和分布

5.1.2 随机数种子

5.1.3 相关系数

5.1.4 基本统计量

5.1.5 频率分布直方图

5.2 连续随机变量分布

5.2.1 分布的基本特征

5.2.2 衍生特征

5.3 回归分析

5.3.1 最小二乘法

5.3.2 假设检验

第6章 数据预处理和初步探索

6.1 数据清理

6.1.1 可能的问题

6.1.2 缺失值

6.1.3 噪声或者离群点

6.1.4 数据不一致

6.2 描述性统计

6.2.1 中心趋势度量

6.2.2 数据散布度量

6.3 描述性统计的可视化分析

6.3.1 直方图

6.3.2 散点图

6.3.3 盒图

第7章 Pandas进阶与实战

7.1 多重索引

7.2 数据周期变换

第8章 金融基础概念

8.1 收益率

8.2 对数收益率

8.3 年化收益

8.4 波动率

8.5 夏普比率

8.6 索提诺比率

8.7 阿尔法和贝塔

8.8 最大回撤

第9章 资产定价入门

9.1 利率

9.2 利率的计量

9.3 零息利率

9.4 债券定价

9.4.1 债券收益率

9.4.2 平价收益率

9.4.3 国债零息利率确定

9.4.4 远期利率

9.5 久期

9.6 期权

9.7 期权的描述

9.8 看涨期权和看跌期权

9.9 期权价格与股票价格的关系

9.10 影响期权价格的因素

第10章 金融时间序列分析

10.1 为什么用收益率而不是价格

10.2 金融时间序列定义

10.3 平稳性

10.4 白噪声序列

10.5 自相关系数

10.6 混成检验

10.7 AR(p)模型

10.7.1 AR(p)模型简介

10.7.2 AR(p)平稳性检验

10.7.3 AR(p)如何确定参数p

10.8 信息准则

10.8.1 拟合优度

10.8.2 预测

10.9 ARMA模型

10.9.1 MA模型

10.9.2 ARMA模型公式

10.9.3 ARMA模型阶次判定

10.9.4 建立ARMA模型

10.10 ARCH和GARCH模型

10.10.1 波动率的特征

10.10.2 波动率模型框架

10.10.3 ARCH模型

10.10.4 GARCH模型

第11章 数据源和数据库

11.1 数据来源

11.2 TuShare

11.2.1 TuShare安装

11.2.2 TuShare的Python SDK

11.3 pandas-reader

11.4 万得接口

11.4.1 一个简单例子

11.4.2 数据库

11.4.3 下载所有股票历史数据

第12章 CTA策略

12.1 趋势跟踪策略理论基础

12.2 技术指标

12.3 主力合约的换月问题

12.4 用Python实现复权

12.4.1 加减复权

12.4.2 乘除复权

12.5 安装ta-lib

12.6 ta-lib的指标和函数介绍

12.7 可叠加指标

12.7.1 MA、EMA

12.7.2 Bollinger Bands

12.8 动量指标

12.8.1 动量指标简介

12.8.2 相对强弱指标

12.9 成交量指标

12.10 波动率指标

12.11 价格变换

12.12 Pattern Recognition

12.13 一个简单策略模式

第13章 策略回测

13.1 回测系统是什么

13.2 各种回测系统简介

13.3 什么是回测

13.4 回测系统的种类

13.4.1 “向量化”系统

13.4.2 For循环回测系统

13.4.3 事件驱动系统

13.5 回测的陷阱

13.6 回测中的其他考量

13.7 回测系统概览

13.8 使用Python搭建回测系统

13.8.1 Python向量化回测

13.8.2 Python For循环回测

13.8.3 PyAlgoTrade简介

第14章 多因子风险模型

14.1 风险定义

14.2 资本资产定价模型

14.3 套利定价理论

14.4 多因子模型

14.5 多因子模型的优势

14.6 建立多因子模型的一般流程

14.6.1 风险因子的种类

14.6.2 反映外部影响的因子

14.6.3 资产截面因子

14.6.4 统计因子

14.7 行业因子

14.8 风险因子

14.8.1 风险因子分类

14.8.2 投资组合风险分析

14.9 基准组合

14.10 因子选择和测试

14.11 Fama-French三因子模型

14.12 因子发掘与论证

14.13 单因子有效性分析alphalens

14.13.1 数据预处理

14.13.2 收益率分析

14.13.3 信息系数分析

14.14 财务因子为什么不好用

第15章 资金分配

15.1 现代/均值-方差资产组合理论

15.1.1 MPT理论简介

15.1.2 随机权重的夏普比率

15.1.3 最大化夏普比率

15.2 Black-Litterman资金分配模型

15.2.1 MPT的优化矩阵算法

15.2.2 Black-Litterman模型

第16章 实盘交易和vn.py框架

16.1 交易平台简介

16.2 交易框架vn.py

16.3 vn.py的安装和配置

16.3.1 安装VN Studio

16.3.2 运行VN Station

16.3.3 启动VN Trader

16.4 CTA策略模块分析

16.5 第一个入门策略

16.5.1 创建策略文件

16.5.2 定义策略类

16.5.3 设置参数变量

16.5.4 交易逻辑实现

16.5.5 实盘K线合成

16.6 on_tick和on_bar

16.6.1 on_tick的逻辑

16.6.2 on_bar的逻辑

16.6.3 策略的两种模式

第17章 Python与Excel交互

17.1 Excel相关库简介

17.2 OpenPyxl基础

17.2.1 OpenPyxl入门操作

17.2.2 Pandas与Excel

17.2.3 在Excel中绘图

后记