☆☆☆☆☆
简体网页||繁体网页



点击这里下载

类似图书 点击查看全场最低价

---

产品特色

编辑推荐

适读人群 ：做量化交易和大数据的程序员

本书包括：

? 近50万字的图文课件；

? 数十套结合课件的Python教学代码；

? 全套zwPython开源平台；

? 业内首套面向初学者的开源量化系统zwQuant；

? 国内较大的开源金融数据包zwDat，包括tick数据。

无须任何编程、交易经验，也不需要具备超强的数据分析能力，只要会使用Excel就可以轻松学会本书讲解的知识点。读完本书内容和配套的教学代码，就能够编写简单的量化策略函数。

内容简介

本书是国内较早关于Python大数据与量化交易的原创图书，配合zwPython开发平台和zwQuant开源量化软件学习，是一套完整的大数据分析、量化交易的学习教材，可直接用于实盘交易。本书有三大特色：一，以实盘个案分析为主，全程配有Python代码；二，包含大量的图文案例和Python源码，无须专业编程基础，懂Excel即可开始学习；三，配有专业的zwPython集成开发平台、zwQuant量化软件和zwDat数据包。

本书内容源自笔者的原版教学课件，虽然限于篇幅和载体，省略了视频和部分环节，但核心内容都有保留，配套的近百套Python教学程序没有进行任何删减。考虑到广大入门读者的需求，笔者在各个核心函数环节增添了函数流程图。

作者简介

何海群，网名：字王，CHRD前海智库CTO，《中华大字库》发明人，出版书籍20余部，在人工智能、数据分析等方面具有20年一线专业经验；zwPython开发平台、zwQuant量化软件设计师，中国“Python创客”项目和“Python产业联盟”发起人，国内Python量化课程《Python量化实盘?魔鬼训练营》创始人，也是极宽量化开源团队的创始人。其研究成果有：“小数据”理论、快数据模型、黑天鹅算法、人工智能“足彩图灵法则”等；其论文《人工智能与中文字型设计》是中文字库行业三大基础建模理论之一。论文《人工智能与中文字型设计》是中文字库行业三大基础建模理论之一。

内页插图

目录

第1章 从故事开始学量化 1

1.1 亿万富翁的“神奇公式” 2

1.1.1 案例1-1：亿万富翁的“神奇公式” 2

1.1.2 案例分析：Python图表 5

1.1.3 matplotlib绘图模块库 7

1.1.4 案例分析：style绘图风格 10

1.1.5 案例分析：colormap颜色表 12

1.1.6 案例分析：颜色表关键词 14

1.1.7 深入浅出 17

1.2 股市“一月效应” 18

1.2.1 案例1-2：股市“一月效应” 18

1.2.2 案例分析：“一月效应”计算 19

1.2.3 案例分析：“一月效应”图表分析 24

1.2.4 案例分析：颜色表效果图 26

1.2.5 “一月效应”全文注解版Python源码 27

1.2.6 大数据?宏分析 34

1.3 量化交易流程与概念 36

1.3.1 数据分析I2O流程 36

1.3.2 量化交易不是高频交易、自动交易 37

1.3.3 小资、小白、韭菜 38

1.3.4 专业与业余 38

1.4 用户运行环境配置 42

1.4.1 程序目录结构 43

1.4.2 金融股票数据包 44

1.5 Python实战操作技巧 46

1.5.1 模块检测 46

1.5.2 Spyder编辑器界面设置 47

1.5.3 代码配色技巧 48

1.5.4 图像显示配置 50

1.5.5 Python2、Python 3双版本双开模式 51

1.5.6 单版本双开、多开模式 52

1.5.7 实战胜于一切 54

1.6 量化、中医与西医 54

第2章 常用量化技术指标与框架 56

2.1 案例2-1：SMA均线策略 56

2.1.1 案例要点与事件编程 58

2.1.2 量化程序结构 61

2.1.3 main程序主入口 61

2.1.4 KISS法则 63

2.2 Python量化系统框架 64

2.2.1 量化行业关键词 64

2.2.2 国外主流Python量化网站 65

2.2.3 我国主流Python量化网站 67

2.2.4 主流Python量化框架 70

2.3 常用量化软件包 78

2.3.1 常用量化软件包简介 79

2.3.2 案例2-2：模块库列表 80

2.4 常用量化技术指标 82

2.4.1 TA-Lib金融软件包 83

2.4.2 案例2-3：MA均线函数调用 84

2.4.3 TA-Lib函数调用 86

2.4.4 量化分析常用指标 88

2.5 经典量化策略 90

2.5.1 阿尔法（Alpha）策略 90

2.5.2 Beta策略 92

2.5.3 海龟交易法则 93

2.5.4 ETF套利策略 95

2.6 常用量化策略 95

2.6.1 动量交易策略 96

2.6.2 均值回归策略 97

2.6.3 其他常用量化策略 98

2.7 起点与终点 100

第3章 金融数据采集整理 101

3.1 常用数据源API与模块库 102

3.1.1 大数据综合API 102

3.1.2 专业财经数据API 103

3.1.3 专业数据模块库 104

3.2 案例3-1：zwDatX数据类 104

3.3 美股数据源模块库 108

3.4 开源文档库Read the Docs 109

3.5 案例3-2：下载美股数据 110

3.6 财经数据源模块库TuShare 113

3.6.1 沪深股票列表 115

3.6.2 案例3-3：下载股票代码数据 116

3.6.3 CSV文件处理 119

3.7 历史数据 121

3.7.1 历史行情 121

3.7.2 案例3-4：下载近期股票数据 124

3.7.3 历史复权数据 130

3.7.4 案例3-5：下载历史复权数据 131

3.8 其他交易数据 134

3.9 zwDat超大股票数据源与数据更新 143

3.9.1 案例3-6：A股基本概况数据下载 144

3.9.2 案例3-7：A股交易数据下载 146

3.9.3 案例3-8：A股指数行情数据下载 150

3.9.4 案例3-9：美股交易数据下载 151

3.10 数据归一化处理 153

3.10.1 中美股票数据格式差异 153

3.10.2 案例3-10：数据格式转化 154

3.10.3 案例3-11：A股策略PAT实盘分析 156

3.10.4 案例3-12：数据归一化 158

3.11 为有源头活水来 160

第4章 PAT案例汇编 162

4.1 投资组合与回报率 163

4.1.1 案例4-1：下载多组美股数据 163

4.1.2 案例4-2：投资组合收益计算 165

4.2 SMA均线策略 168

4.2.1 SMA简单移动平均线 168

4.2.2 案例4-3：原版SMA均线策略 169

4.2.3 案例4-4：增强版SMA均线策略 173

4.2.4 案例4-5：A股版SMA均线策略 174

4.3 均线交叉策略 175

4.3.1 案例4-6：均线交叉策略 176

4.3.2 案例4-7：A股版均线交叉策略 178

4.4 VWAP动量策略 181

4.4.1 案例4-8：VWAP动量策略 182

4.4.2 案例4-9：A股版VWAP动量策略 183

4.5 布林带策略 183

4.5.1 案例4-10：布林带策略 185

4.5.2 案例4-11：A股版布林带策略 186

4.6 RSI2策略 188

4.6.1 案例4-12：RSI2策略 190

4.6.2 案例4-13：A股版RSI2策略 190

4.7 案例与传承 194

第5章 zwQuant整体架构 196

5.1 发布前言 196

5.2 功能简介 197

5.2.1 目录结构 197

5.2.2 安装与更新 198

5.2.3 模块说明 199

5.2.4 zwSys模块：系统变量与类定义 200

5.2.5 zwTools模块：常用（非量化）工具函数 201

5.2.6 zwQTBox：常用“量化”工具函数集 201

5.2.7 zwQTDraw.py：量化绘图工具函数 203

5.2.8 zwBacktest：回溯测试工具函数 203

5.2.9 zwStrategy：策略工具函数 203

5.2.10 zw_TA-Lib：金融函数模块 204

5.3 示例程序 207

5.4 常用量化分析参数 208

5.5 回溯案例：对标测试 209

5.5.1 对标测试1：投资回报参数 209

5.5.2 对标测试2：VWAP策略 211

5.6 回报参数计算 214

5.7 主体框架 220

5.7.1 stkLib内存数据库 220

5.7.2 Bars数据包 221

5.7.3 案例：内存数据库＆数据包 222

5.7.4 qxLib、xtrdLib 227

5.7.5 案例5-1：qxLib数据 228

5.7.6 量化系统的价格体系 230

5.7.7 数据预处理 231

5.7.8 绘图模板 234

5.8 新的起点 236

第6章 模块详解与实盘数据 237

6.1 回溯流程 238

6.1.1 案例6-1：投资回报率 238

6.1.2 代码构成 242

6.1.3 运行总流程 243

6.2 运行流程详解 244

6.2.1 设置股票数据源 244

6.2.2 设置策略参数 247

6.2.3 dataPre数据预处理 249

6.2.4 绑定策略函数 253

6.2.5 回溯测试：zwBackTest 253

6.2.6 输出回溯结果数据、图表 258

6.3 零点策略 260

6.3.1 mul多个时间点的交易＆数据 263

6.3.2 案例6-2：多个时间点交易 264

6.4 不同数据源与格式修改 270

6.4.1 案例6-3：数据源修改 272

6.4.2 数据源格式修改 274

6.5 金融数据包与实盘数据更新 275

6.5.1 大盘指数文件升级 276

6.5.2 实盘数据更新 277

6.5.3 案例6-4：A股实盘数据更新 277

6.5.4 案例6-5：大盘指数更新 279

6.6 稳定第一 281

第7章 量化策略库 282

7.1 量化策略库简介 282

7.1.1 量化系统的三代目 283

7.1.2 通用数据预处理函数 283

7.2 SMA均线策略 286

7.2.1 案例7-1：SMA均线策略 286

7.2.2 实盘下单时机与推荐 289

7.2.3 案例7-2：实盘SMA均线策略 290

7.3 CMA均线交叉策略 294

7.3.1 案例7-3：均线交叉策略 294

7.3.2 对标测试误差分析 296

7.3.3 案例7-4：CMA均线交叉策略修改版 299

7.3.4 人工优化参数 300

7.4 VWAP策略 301

7.4.1 案例7-5：VWAP策略 301

7.4.2 案例7-6：实盘VWAP策略 303

7.5 BBands布林带策略 304

7.5.1 案例7-7：BBands布林带策略 305

7.5.2 案例7-8：实盘BBands布林带策略 306

7.6 大道至简1 1 307

第8章 海龟策略与自定义扩展 309

8.1 策略库 309

8.1.1 自定义策略 310

8.1.2 海龟投资策略 310

8.2 tur海龟策略v1：从零开始 311

8.3 案例8-1：海龟策略框架 311

8.4 tur海龟策略v2：策略初始化 312

8.5 案例8-2：策略初始化 312

8.6 tur海龟策略v3：数据预处理 313

8.7 案例8-3：数据预处理 314

8.8 tur海龟策略v4：策略分析 317

8.9 案例8-4：策略分析 317

8.10 tur海龟策略v5：数据图表输出 320

8.10.1 案例8-5：图表输出 320

8.10.2 参数优化 324

8.10.3 案例8-6：参数优化 324

8.11 tur海龟策略v9：加入策略库 325

8.12 案例8-7：入库 326

8.13 庖丁解牛 328

第9章 TA-Lib函数库与策略开发 329

9.1 TA-Lib技术指标 329

9.1.1 TA-Lib官网 329

9.1.2 矩阵版TA-Lib金融函数模块 330

9.2 MACD策略 331

9.2.1 MACD策略1 331

9.2.2 案例9-1：MACD_v1 335

9.2.3 MACD策略2 336

9.2.4 案例9-2：MACD_v2 338

9.3 KDJ策略 340

9.3.1 KDJ策略1 340

9.3.2 案例9-3：KDJ01 343

9.3.3 KDJ策略2 346

9.3.4 案例9-4：KDJ02 347

9.4 RSI策略 350

9.4.1 RSI取值的大小 351

9.4.2 RSI策略 351

9.4.3 预留参数优化接口 356

9.4.4 案例9-5：A股版RSI策略 357

9.5 基石、策略与灵感 358

第10章 扩展与未来 360

10.1 回顾案例2-1：SMA均线策略 360

案例10-1：SMA均线策略扩展 363

10.2 大盘指数资源 365

10.2.1 大盘指数文件升级 366

10.2.2 大盘指数内存数据库 367

10.2.3 扩展zwQuantX类变量 368

10.2.4 大盘指数读取函数 368

10.2.5 案例10-2：读取指数 369

10.2.6 大盘数据切割 370

10.2.7 案例10-3：inxCut数据切割 372

10.3 系统整合 373

10.3.1 案例10-4：整合设置 375

10.3.2 案例10-5：修改指数代码 376

10.3.3 修改sta_dataPre0xtim函数 377

10.3.4 案例10-6：整合数据切割 380

10.3.5 修改绘图函数 381

10.4 扩展完成 384

案例10-7：SMA均线扩展策略 384

10.5 其他扩展课题 386

10.5.1 复权数据冲突 386

10.5.2 波动率指标DVIX 386

10.5.3 修改回溯主函数zwBackTest 387

10.5.4 案例10-8：波动率 390

10.5.5 空头交易 392

10.5.6 虚拟空头交易 392

10.5.7 修改检查函数 393

10.5.8 案例10-9：空头数据 396

10.6 终点与起点 397

附录A zwPython开发平台用户手册 398

附录B Python量化学习路线图 423

前言/序言

　　2014年，美国银行、美林证券的“石英”项目、摩根大通的“雅典娜”项目都不约而同地选择了Python作为金融行业的标准编程语言。
　　全世界的金融工程行业全部重新洗牌，这为中国的金融工程从业人员带来了前所未有的机遇。资本的力量是强大的，也是冷酷无情的。
　　2016年5月，《华尔街日报》报道，目前华尔街的三大编程语言是：C、Java与Python。其中，C与Java成为三大语言之一有两方面原因：一方面是由于历史积累，另一方面是系统架构设计的需要。而在应用领域Python更胜一筹，因为Python已经成为金融行业量化领域的标准编程语言。
　　本书是国内较早关于Python大数据与量化交易的原创图书。本书配合zwPython、zwQuant开源量化软件学习，是一套完整的大数据分析、量化交易的学习教材，可直接用于实盘交易。
　　本书内容包括：
　　近50万字的图文课件；
　　数十套结合课件的Python教学代码；
　　全套zwPython开源平台；
　　业内首套面向初学者的开源量化系统zwQuant；
　　国内较大的开源金融数据包zwDat，包括tick数据。
　　100%零基础，无须任何编程、交易经验，也不需要具备超强的数据分析能力，只要会使用Excel就可以轻松学会本书讲解的知识点。读完本书内容和配套的教学代码，就能够编写简单的量化策略函数。 < 零起点Python大数据与量化交易 电子书 下载 mobi epub pdf txt

评分☆☆☆☆☆

学习下如何做金融分析，比较喜欢不停的学习

评分☆☆☆☆☆

不错的书，内容充实，价格实惠，送货速度也快

评分☆☆☆☆☆

很好的书，送货速度特别快，书的质量不错，没有损坏。

评分☆☆☆☆☆

书很不错，一直想买终于下定决心买啦，很喜欢！京东物流也是杠杠的，一起买了很多书

评分☆☆☆☆☆

非常好 买书一直在京东 写到很多知识 丰富自己 增长智慧

评分☆☆☆☆☆

物流给力，内容比较喜欢，赞一个！

评分☆☆☆☆☆

非常好满意～～～～～～～～～

评分☆☆☆☆☆

速度的呵呵呵呵除夕放假

评分☆☆☆☆☆

very good

类似图书 点击查看全场最低价