金融科技(量化投資的Python實施21世紀經濟管理新形態教材)/金融學系列
內容大鋼
本書共5篇23章，內容包括：（1）量化投資基礎及Python應用環境；（2）Python程序設計基礎；（3）Python金融投資數據獲取；（4）Python工具庫NumPy數組與矩陣計算；（5）Python工具庫SciPy優化與統計；（6）Pandas金融投資數據分析；（7）Python描述性統計；（8）Python相關分析與回歸分析；（9）Python金融時間序列的自相關性與平穩性；（10）Python金融時間序列分析的ARIMA模型；（11）Python金融時間序列分析的ARCH與GARCH模型；（12）Python計算資產組合的收益率與風險；（13）Python優化工具在投資組合均值方差模型中的應用；（14）Python應用於存在無風險資產的均值方差模型；（15）Python在資本資產定價模型中的應用；（16）貝塔對沖策略；（17）量化選股策略；（18）量化擇時策略；（19）量化選股與量化擇時組合策略；（20）量化投資統計套利的協整配對交易策略；（21）基於Python環境的配對交易策略；（22）人工智慧機器學習演算法量化金融策略；（23）Backtrader量化交易軟體介紹。
本書內容新穎、全面，實用性強，融理論、方法、應用於一體，可作為金融科技、金融工程、金融學、投資學、保險學、會計學、財務管理、經濟學、財政學、統計學、數量經濟學、管理科學與工程、應用數學、電腦應用技術等專業的高年級本科生和研究生的教材或參考書。
作者介紹
編者:朱順泉|責編:高曉蔚
朱順泉，男，漢族，湖南省邵東縣人。2001年于中南大學管理科學與工程專業金融工程方向研究生畢業，獲管理學博士學位，2004年于上海財經大學應用經濟學專業博士后研究出站，2006年評為教授。曾先後工作于湖南財經學院、湖南大學、暨南大學等，指導各類碩士研究生90餘人，現為廣東財經大學金融學院教授，長期從事本科生與研究生的投資學、金融工程、公司金融、金融市場、金融計量學、經濟博弈論、數據模型與決策等課程的教學和科研工作，一直致力於財經與科技相結合的交叉應用研究。在人民出版社、科學出版社、清華大學出版社、北京大學出版社等出版機構出版著作50余部，在Journal of Mathematical Financ, Journal of Financial Risk Management，Technology & Investment等學術刊物上發表學術論文100余篇，主持完成國家哲學社會科學項目、教育部人文社會科學項目、廣東省哲學社會科學項目、廣東省科技計劃項目、湖南省哲學社會科學項目等10余項。出版的《信用評級理論、方法、模型與應用研究》著作于2013年獲中國人民銀行廣州分行二等獎。主要研究方向：投資學、金融工程、金融市場、公司金融財務等，在金融科技創新、金融大數據分析、量化金融投資與人工智慧、私募股權與創業風險投資、財務預警與信用評級、經濟金融計量與數據分析、投資組合優化、資產定價、經濟博弈論等方面有較深入研究。
目錄
第1篇 量化投資基礎與Python環境
第1章 量化投資基礎及Python應用環境
1.1 量化投資基礎
1.2 為什麼選擇Python工具
1.3 下載安裝Python執行文件
1.4 Python工具Anaconda的下載
1.5 Python的安裝
1.6 Python的啟動和退出
練習題
第2章 Python程序設計基礎
2.1 Python基本知識
2.2 Python數據結構
2.3 Python函數
2.4 幾個常用函數
2.5 Python條件與循環
2.6 Python類與對象
練習題
第3章 Python金融投資數據獲取
3.1 金融投資數據獲取的Tushare模塊
3.2 金融投資數據獲取的Baostock模塊
3.3 金融投資數據獲取的Yfinance模塊
3.4 Pandas_datareader獲取金融投資數據
3.5 Quandl財經數據介面
練習題
第4章 Python工具庫NumPy數組與矩陣計算
4.1 NumPy概述
4.2 NumPy數組對象
4.3 創建數組
4.4 數組操作
4.5 數組元素訪問
4.6 矩陣操作
4.7 缺失值處理
練習題
第5章 Python工具庫SciPy優化與統計
5.1 SciPy概述
5.2 scipy.optimize優化方法
5.3 scipy.optimize的minimize.工具在投資組合資產配置中的應用
5.4 scipy.stats的統計方法
練習題
第6章 Pandas金融投資數據分析
6.1 Pandas數據對象基礎知識
6.2 Pandas獲取金融投資數據
6.3 Pandas金融投資數據分析
練習題
第2篇 Python統計分析
第7章 Python描述性統計
7.1 描述性統計的Python工具
7.2 數據集中趨勢的度量
7.3 數據離散狀況的度量
7.4 峰度、偏度與正態性檢驗
7.5 異常數據處理
練習題
第8章 Python相關分析與回歸分析
8.1 Python相關分析
8.2 Python一元線性回歸分析的Statsmodels應用
8.3 Python多元線性回歸分析
練習題
第3篇 Python金融時間序列分析
第9章 Python金融時間序列的自相關性與平穩性
9.1 引言
9.2 自相關性
9.3 平穩性
9.4 白雜訊和隨機遊走
9.5 Python模擬白雜訊和平穩性檢驗
9.6 滬深300近三年來數據的平穩性檢驗分析
練習題
第10章 Python金融時間序列分析的ARIMA模型
10.1 引言
10.2 AR模型
10.3 MA模型
10.4 ARMA模型
10.5 ARIMA模型
10.6 結語
練習題
第11章 Python金融時間序列分析的ARCH與GARCH模型
11.1 引言
11.2 股票收益率時間序列特點
11.3 ARCH模型
11.4 GARCH模型
11.5 結語
練習題
第4篇 Python金融投資理論
第12章 Python計算資產組合的收益率與風險
12.1 持有期收益率
12.2 單項資產的期望收益率
12.3 單項資產的風險
12.4 單項資產的期望收益和風險的估計
12.5 單項資產之間的協方差與相關係數
12.6 Python計算資產組合的期望收益和風險
練習題
第13章 Python優化工具在投資組合均值方差模型中的應用
13.1 資產組合的可行集
13.2 有效邊界與有效組合
13.3 Python應用於標準均值方差模型
13.4 兩基金分離定理
13.5 Python繪製資產組合的有效邊界
13.6 Python應用於Markowitz投資組合優化
練習題
第14章 Python應用於存在無風險資產的均值方差模型
14.1 存在無風險資產的均值方差模型及其Python應用
14.2 無風險資產對最小方差組合的影響
14.3 Python應用於存在無風險資產的兩基金分離定理
14.4 預期收益率與貝塔關係式
14.5 Python應用於一個無風險資產和兩個風險資產的組合
14.6 Python應用於默頓定理
14.7 Python應用於布萊克-利特曼（Black-Litterman）模型
練習題
第15章 Python在資本資產定價模型中的應用
15.1 資本資產定價模型假設
15.2 Python應用於資本市場線
15.3 Python應用於證券市場線
15.4 Python應用於價格型資本資產定價模型
15.5 Python應用於資本資產定價模型CAPM實際數據
練習題
第5篇 Python量化投資策略
第16章 貝塔對沖策略
16.1 貝塔對沖模型
16.2 貝塔對沖策略
16.3 市場風險對沖策略案例
16.4 市場風險對沖的進一步分析
練習題
第17章 量化選股策略
17.1 小市值的量化選股策略
17.2 基本面財務指標的量化選股策略
練習題
第18章 量化擇時策略
18.1 Talib技術分析工具庫在量化擇時中的應用
18.2 海龜量化擇時策略
18.3 金叉死叉雙均線量化擇時策略
18.4 基於Python環境的量化擇時策略
練習題
第19章 量化選股與量化擇時組合策略
19.1 量化純選股策略
19.2 量化選股與量化擇時組合策略
練習題
第20章 量化投資統計套利的協整配對交易策略
20.1 協整基本知識
20.2 平穩性檢驗及其實例
20.3 基於Bigquant平台的協整配對交易策略
練習題
第21章 基於Python環境的配對交易策略
21.1 策略介紹
21.2 策略相關方法
21.3 策略的步驟
21.4 策略的演示
練習題
第22章 人工智慧機器學習演算法量化金融策略
22.1 引言
22.2 機器學習演算法分類
22.3 常見的機器學習演算法及其Python代碼與實例
22.4 廣義線性模型Logistic回歸多分類及其Python應用
22.5 支持向量機SVM在商業銀行信用評級中的應用
練習題
第23章 Backtrader量化交易軟體介紹
23.1 Backtrader簡單框架
23.2 Backtrader數據預處理
23.3 Backtrader策略編程
23.4 Backtrader執行買入
23.5 Backtrader執行賣出
23.6 Backtrader經紀人與訂單數量控制
23.7 Backtrader簡單均線策略
23.8 Backtrader畫圖函數
23.9 Backtrader回測結果
練習題
附錄 數據資源
[