幫助中心 | 我的帳號 | 關於我們
進階搜尋
car

同類熱銷排行榜

最近瀏覽的商品

Python金融量化分析

  • 作者：編者:肖建軍//高拴平|責編:王中英
  • 出版社：清華大學
  • ISBN：9787302659983
  • 出版日期：2024/04/01
  • 裝幀：平裝
  • 頁數：272
人民幣：RMB 79.8 元      售價：元
放入購物車
加入收藏夾
內容大鋼
    金融量化分析不僅需要掌握金融領域的知識，還需要掌握相關的電腦編程技術。本書全面、系統地介紹金融量化分析所需要掌握的技能。無論是具有豐富的編程經驗的讀者，還是普通的投資愛好者，均可參照本書內容開發自己的量化交易策略回測代碼，實現金融量化分析輔助投資的目的。
    本書共9章，涵蓋的主要內容有金融量化交易策略分析概述，Python的基礎語法，Pandas模塊基礎，NumPy基礎，數據獲取與清洗，金融量化交易策略實戰，TA-Lib、Empyrical與Mplfinance模塊的使用方法，金融數據回歸分析，ARIMA與VAR模型在金融量化領域的應用，開源金融量化交易策略回測框架Backtrader的使用方法等。掌握這些內容，可以解決金融量化分析涉及的編程語言基礎、數據獲取、量化交易策略構建、統計學與金融學理論在金融量化領域的高級應用，以及現有的量化回測框架的使用方法等實際問題。
    本書內容豐富，體系完整，講解細緻入微，既適合Python金融量化分析入門人員閱讀，也適合有志從事量化投資工作的各類研究人員和從業人員閱讀與參考，還適合作為高等院校金融和投資類相關專業的教材。
作者介紹
編者:肖建軍//高拴平|責編:王中英
目錄
第1章  金融量化交易策略分析概述
  1.1  金融量化分析簡介
    1.1.1  金融量化分析的應用範疇
    1.1.2  金融量化分析的基本流程
    1.1.3  金融量化分析的方法與工具
    1.1.4  金融量化分析的優勢
  1.2  金融量化分析的困局
    l.2.1  金融量化分析策略的同質化
    1.2.2  量化分析工具的局限性
    1.2.3  量化分析結果的隨機性
  1.3  金融量化分析注意事項
  1.4  本章小結
  1.5  思考題
第2章  金融量化分析工具的準備——基礎語法
  2.1  Python簡介
    2.1.1  Python數據處理的優勢
    2.1.2  Python的基本語法
  2.2  Python變數
    2.2.1  變數的命名規則
    2.2.2  數值型變數
    2.2.3  布爾類型變數
    2.2.4  字元串類型變數
    2.2.5  列表類型變數
    2.2.6  元組類型變數
    2.2.7  集合類型變數
    2.2.8  字典類型變數
  2.3  流程式控制制
    2.3.1  邏輯判斷
    2.3.2  if判斷
    2.3.3  循環語句
  2.4  函數
    2.4.1  函數的定義與調用
    2.4.2  函數的參數
    2.4.3  lambda匿名函數
    2.4.4  Python高階函數
  2.5  類與對象
    2.5.1  創建類與實例對象
    2.5.2  面向對象的封裝
    2.5.3  面向對象的繼承
    2.5.4  面向對象的多態
  2.6  模塊應用
    2.6.1  模塊的安裝、卸載與調用
    2.6.2  Python內置模塊示例1：datetime模塊
    2.6.3  Python內置模塊示例2：os模塊
  2.7  本章小結
  2.8  思考題
第3章  金融量化分析工具的準備——Pandas基礎
  3.1  Pandas簡介
    3.1.1  Pandas的主要優勢
    3.1.2  Pandas的主要功能

    3.1.3  Pandas的底層結構
  3.2  Seties對象
    3.2.1  創建Series對象
    3.2.2  訪問Series對象數據
    3.2.3  Series對象的常用屬性
    3.2.4  Series對象的常用函數
  3.3  DataFrame對象
    3.3.1  DataFrame對象的數據存儲結構
    3.3.2  創建DataFrame對象
    3.3.3  DataFrame對象的常用屬性
    3.3.4  DataFrame的列操作方法
  3.4  Pandas金融量化分析應用
    3.4.1  統計計算
    3.4.2  累計計算
    3.4.3  獲取CSV文件數據
    3.4.4  獲取SQLite資料庫中的數據
  3.5  Pandas數據可視化
    3.5.1  折線圖
    3.5.2  直方圖
  3.6  本章小結
  3.7  思考題
第4章  金融量化分析工具的準備——NumPy基礎
  4.1  NumPy簡介
    4.1.1  NumPy的主要優勢
    4.1.2  NumPy的主要功能
    4.1.3  ndarray的底層結構
  4.2  ndarray對象的創建
    4.2.1  創建ndarray對象的方法
    4.2.2  創建特殊的ndarray對象
  4.3  ndarray數組數據的訪問
    4.3.1  索引
    4.3.2  切片
  4.4  NumPy數組操作
    4.4.1  修改ndarray數組形狀
    4.4.2  合併ndarray數組
    4.4.3  分割ndarray數組
    4.4.4  刪除ndarray數組數據
    4.4.5  添加數組數據
  4.5  NumPy模塊的主要函數
    4.5.1  統計類函數
    4.5.2  線性代數類函數
    4.5.3  排序與篩選類函數
  4.6  NumPy隨機數處理
    4.6.1  NumPy處理隨機數問題的優勢
    4.6.2  生成隨機數
    4.6.3  隨機抽樣
    4.6.4  隨機模擬實驗
  4.7  本章小結
  4.8  思考題
第5章  金融量化分析數據的準備

  5.1  數據獲取
    5.1.1  從Tushare平台上獲取數據
    5.1.2  從AkShare模塊中獲取數據
    5.1.3  從qstock模塊中獲取數據
    5.1.4  從Alpha Vantage API中獲取數據
  5.2  數據清洗
    5.2.1  數據清洗的內容
    5.2.2  數據清洗示例
    5.2.3  數據清洗進階——JSON數據清洗
  5.3  數據存儲
    5.3.1  用CSV文件存儲數據
    5.3.2  用SQLite資料庫存儲數據
  5.4  本章小結
  5.5  思考題
第6章  金融量化交易策略開發實戰
  6.1  趨勢追蹤交易策略
    6.1.1  趨勢追蹤交易策略介紹
    6.1.2  趨勢追蹤交易策略實戰代碼
    6.1.3  趨勢追蹤交易策略實戰代碼詳解
  6.2  頂底背離交易策略實戰
    6.2.1  頂底背離交易策略介紹
    6.2.2  項底背離交易策略實戰代碼
    6.2.3  項底背離交易策略實戰代碼詳解
  6.3  小市值交易策略實戰
    6.3.1  小市值交易策略介紹
    6.3.2  小市值交易策略實戰代碼
    6.3.3  小市值交易策略實戰代碼詳解
  6.4  海龜交易策略實戰
    6.4.1  海龜交易策略介紹
    6.4.2  海龜交易策略實戰代碼
    6.4.3  海龜交易策略實戰代碼詳解
  6.5  網格交易策略實戰
    6.5.1  網格交易策略介紹
    6.5.2  網格交易策略實戰代碼
    6.5.3  網格交易策略實戰代碼詳解
  6.6  本章小結
  6.7  思考題
第7章  金融量化分析常用的工具模塊
  7.1  TA-Lib模塊
    7.1.1  TA-Lib模塊的安裝
    7.1.2  TA-Lib模塊的函數類別
    7.1.3  TA-Lib模塊的常用函數
  7.2  Empyrical模塊
    7.2.1  Empyrical模塊的優點
    7.2.2  Empyrical模塊的用途
    7.2.3  Empyrical模塊的常用函數
  7.3  Mplfinance模塊
    7.3.1  Mplfinance模塊的優點
    7.3.2  Mplfinance模塊的主要函數
    7.3.3  通過Mplfinance模塊繪製K線圖

  7.4  本章小結
  7.5  思考題
第8章  金融量化分析高級應用
  8.1  金融數據回歸分析
    8.1.1  回歸分析的基本原理
    8.1.2  回歸分析的步驟
    8.1.3  構建回歸模型示例
  8.2  金融數據時間序列ARIMA模型回歸分析
    8.2.1  時間序列分析模型介紹
    8.2.2  ARIMA模型的計算公式
    8.2.3  構建ARIMA模型示例
  8.3  金融數據時間序列VAR模型回歸分析
    8.3.1  VAR模型介紹
    8.3.2  構建VAR模型示例
  8.4  金融資產組合優化量化分析
    8.4.1  馬科維茨模型
    8.4.2  利用cvxpy模塊求解馬科維茨模型
    8.4.3  金融資產組合優化問題解決方案（通用）
  8.5  本章小結
  8.6  思考題
第9章  金融量化回測框架Backtrader實戰應用
  9.1  Backtrader框架簡介
    9.1.1  Backtrader框架的優勢與特點
    9.1.2  Backtrader回測框架的工作流程
  9.2  Backtrader框架的數據準備
    9.2.1  數據準備注意事項
    9.2.2  數據讀取函數
    9.2.3  使用GenericCSVData函數讀取數據
    9.2.4  使用PandasData函數讀取數據
    9.2.5  同時載入多組數據
    9.2.6  讀取非OHLC數據
    9.2.7  使用resampledata函數進行數據重新採樣
  9.3  Backtrader框架的指標
    9.3.1  定義指標的核心要素
    9.3.2  定義指標的步驟
    9.3.3  定義指標示例
  9.4  Backtrader框架的數據引用
    9.4.1  載入數據的基礎引用
    9.4.2  載入數據的切片引用
    9.4.3  指標值的引用
    9.4.4  數據引用綜合案例
  9.5  Backtrader框架的自定義策略類
    9.5.1  自定義策略類的核心問題
    9.5.2  Backtrader策略類的內部生命周期函數
    9.5.3  Backtrader策略類實例講解
  9.6  Backtrader框架的觀察器應用
    9.6.1  觀察器的核心用途
    9.6.2  默認載入觀察器
    9.6.3  載入內置的觀察器
    9.6.4  載入自定義觀察器

  9.7  Backtrader框架的分析器應用
    9.7.1  分析器與觀察器的關係
    9.7.2  分析器之交易記錄——Transactions類
    9.7.3  分析器之交易記錄——TradeAnalyzer類
  9.8  本章小結
  9.9  思考題

  • 商品搜索：
  • | 高級搜索
首頁│ 新手上路│ 客服中心│ 關於我們│ 聯絡我們│ Top↑│
Copyrightc 1999~2008 美商天龍國際圖書股份有限公司 臺灣分公司. All rights reserved.
營業地址:臺北市中正區重慶南路一段103號1F 105號1F-2F
讀者服務部電話：02-2381-2033 02-2381-1863　時間：週一-週五 10:00-17:00
　服務信箱：bookuu@69book.com 客戶、意見信箱:cs@69book.com
ICP證：浙B2-20060032