☆☆☆☆☆
簡體網頁||繁體網頁



點擊這裡下載

類似圖書 點擊查看全場最低價

---

産品特色

編輯推薦

適讀人群 ：做量化交易和大數據的程序員

本書包括：

? 近50萬字的圖文課件；

? 數十套結閤課件的Python教學代碼；

? 全套zwPython開源平颱；

? 業內首套麵嚮初學者的開源量化係統zwQuant；

? 國內較大的開源金融數據包zwDat，包括tick數據。

無須任何編程、交易經驗，也不需要具備超強的數據分析能力，隻要會使用Excel就可以輕鬆學會本書講解的知識點。讀完本書內容和配套的教學代碼，就能夠編寫簡單的量化策略函數。

內容簡介

本書是國內較早關於Python大數據與量化交易的原創圖書，配閤zwPython開發平颱和zwQuant開源量化軟件學習，是一套完整的大數據分析、量化交易的學習教材，可直接用於實盤交易。本書有三大特色：一，以實盤個案分析為主，全程配有Python代碼；二，包含大量的圖文案例和Python源碼，無須專業編程基礎，懂Excel即可開始學習；三，配有專業的zwPython集成開發平颱、zwQuant量化軟件和zwDat數據包。

本書內容源自筆者的原版教學課件，雖然限於篇幅和載體，省略瞭視頻和部分環節，但核心內容都有保留，配套的近百套Python教學程序沒有進行任何刪減。考慮到廣大入門讀者的需求，筆者在各個核心函數環節增添瞭函數流程圖。

作者簡介

何海群，網名：字王，CHRD前海智庫CTO，《中華大字庫》發明人，齣版書籍20餘部，在人工智能、數據分析等方麵具有20年一綫專業經驗；zwPython開發平颱、zwQuant量化軟件設計師，中國“Python創客”項目和“Python産業聯盟”發起人，國內Python量化課程《Python量化實盤?魔鬼訓練營》創始人，也是極寬量化開源團隊的創始人。其研究成果有：“小數據”理論、快數據模型、黑天鵝算法、人工智能“足彩圖靈法則”等；其論文《人工智能與中文字型設計》是中文字庫行業三大基礎建模理論之一。論文《人工智能與中文字型設計》是中文字庫行業三大基礎建模理論之一。

內頁插圖

目錄

第1章 從故事開始學量化 1

1.1 億萬富翁的“神奇公式” 2

1.1.1 案例1-1：億萬富翁的“神奇公式” 2

1.1.2 案例分析：Python圖錶 5

1.1.3 matplotlib繪圖模塊庫 7

1.1.4 案例分析：style繪圖風格 10

1.1.5 案例分析：colormap顔色錶 12

1.1.6 案例分析：顔色錶關鍵詞 14

1.1.7 深入淺齣 17

1.2 股市“一月效應” 18

1.2.1 案例1-2：股市“一月效應” 18

1.2.2 案例分析：“一月效應”計算 19

1.2.3 案例分析：“一月效應”圖錶分析 24

1.2.4 案例分析：顔色錶效果圖 26

1.2.5 “一月效應”全文注解版Python源碼 27

1.2.6 大數據?宏分析 34

1.3 量化交易流程與概念 36

1.3.1 數據分析I2O流程 36

1.3.2 量化交易不是高頻交易、自動交易 37

1.3.3 小資、小白、韭菜 38

1.3.4 專業與業餘 38

1.4 用戶運行環境配置 42

1.4.1 程序目錄結構 43

1.4.2 金融股票數據包 44

1.5 Python實戰操作技巧 46

1.5.1 模塊檢測 46

1.5.2 Spyder編輯器界麵設置 47

1.5.3 代碼配色技巧 48

1.5.4 圖像顯示配置 50

1.5.5 Python2、Python 3雙版本雙開模式 51

1.5.6 單版本雙開、多開模式 52

1.5.7 實戰勝於一切 54

1.6 量化、中醫與西醫 54

第2章 常用量化技術指標與框架 56

2.1 案例2-1：SMA均綫策略 56

2.1.1 案例要點與事件編程 58

2.1.2 量化程序結構 61

2.1.3 main程序主入口 61

2.1.4 KISS法則 63

2.2 Python量化係統框架 64

2.2.1 量化行業關鍵詞 64

2.2.2 國外主流Python量化網站 65

2.2.3 我國主流Python量化網站 67

2.2.4 主流Python量化框架 70

2.3 常用量化軟件包 78

2.3.1 常用量化軟件包簡介 79

2.3.2 案例2-2：模塊庫列錶 80

2.4 常用量化技術指標 82

2.4.1 TA-Lib金融軟件包 83

2.4.2 案例2-3：MA均綫函數調用 84

2.4.3 TA-Lib函數調用 86

2.4.4 量化分析常用指標 88

2.5 經典量化策略 90

2.5.1 阿爾法（Alpha）策略 90

2.5.2 Beta策略 92

2.5.3 海龜交易法則 93

2.5.4 ETF套利策略 95

2.6 常用量化策略 95

2.6.1 動量交易策略 96

2.6.2 均值迴歸策略 97

2.6.3 其他常用量化策略 98

2.7 起點與終點 100

第3章 金融數據采集整理 101

3.1 常用數據源API與模塊庫 102

3.1.1 大數據綜閤API 102

3.1.2 專業財經數據API 103

3.1.3 專業數據模塊庫 104

3.2 案例3-1：zwDatX數據類 104

3.3 美股數據源模塊庫 108

3.4 開源文檔庫Read the Docs 109

3.5 案例3-2：下載美股數據 110

3.6 財經數據源模塊庫TuShare 113

3.6.1 滬深股票列錶 115

3.6.2 案例3-3：下載股票代碼數據 116

3.6.3 CSV文件處理 119

3.7 曆史數據 121

3.7.1 曆史行情 121

3.7.2 案例3-4：下載近期股票數據 124

3.7.3 曆史復權數據 130

3.7.4 案例3-5：下載曆史復權數據 131

3.8 其他交易數據 134

3.9 zwDat超大股票數據源與數據更新 143

3.9.1 案例3-6：A股基本概況數據下載 144

3.9.2 案例3-7：A股交易數據下載 146

3.9.3 案例3-8：A股指數行情數據下載 150

3.9.4 案例3-9：美股交易數據下載 151

3.10 數據歸一化處理 153

3.10.1 中美股票數據格式差異 153

3.10.2 案例3-10：數據格式轉化 154

3.10.3 案例3-11：A股策略PAT實盤分析 156

3.10.4 案例3-12：數據歸一化 158

3.11 為有源頭活水來 160

第4章 PAT案例匯編 162

4.1 投資組閤與迴報率 163

4.1.1 案例4-1：下載多組美股數據 163

4.1.2 案例4-2：投資組閤收益計算 165

4.2 SMA均綫策略 168

4.2.1 SMA簡單移動平均綫 168

4.2.2 案例4-3：原版SMA均綫策略 169

4.2.3 案例4-4：增強版SMA均綫策略 173

4.2.4 案例4-5：A股版SMA均綫策略 174

4.3 均綫交叉策略 175

4.3.1 案例4-6：均綫交叉策略 176

4.3.2 案例4-7：A股版均綫交叉策略 178

4.4 VWAP動量策略 181

4.4.1 案例4-8：VWAP動量策略 182

4.4.2 案例4-9：A股版VWAP動量策略 183

4.5 布林帶策略 183

4.5.1 案例4-10：布林帶策略 185

4.5.2 案例4-11：A股版布林帶策略 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 案例與傳承 194

第5章 zwQuant整體架構 196

5.1 發布前言 196

5.2 功能簡介 197

5.2.1 目錄結構 197

5.2.2 安裝與更新 198

5.2.3 模塊說明 199

5.2.4 zwSys模塊：係統變量與類定義 200

5.2.5 zwTools模塊：常用（非量化）工具函數 201

5.2.6 zwQTBox：常用“量化”工具函數集 201

5.2.7 zwQTDraw.py：量化繪圖工具函數 203

5.2.8 zwBacktest：迴溯測試工具函數 203

5.2.9 zwStrategy：策略工具函數 203

5.2.10 zw_TA-Lib：金融函數模塊 204

5.3 示例程序 207

5.4 常用量化分析參數 208

5.5 迴溯案例：對標測試 209

5.5.1 對標測試1：投資迴報參數 209

5.5.2 對標測試2：VWAP策略 211

5.6 迴報參數計算 214

5.7 主體框架 220

5.7.1 stkLib內存數據庫 220

5.7.2 Bars數據包 221

5.7.3 案例：內存數據庫＆數據包 222

5.7.4 qxLib、xtrdLib 227

5.7.5 案例5-1：qxLib數據 228

5.7.6 量化係統的價格體係 230

5.7.7 數據預處理 231

5.7.8 繪圖模闆 234

5.8 新的起點 236

第6章 模塊詳解與實盤數據 237

6.1 迴溯流程 238

6.1.1 案例6-1：投資迴報率 238

6.1.2 代碼構成 242

6.1.3 運行總流程 243

6.2 運行流程詳解 244

6.2.1 設置股票數據源 244

6.2.2 設置策略參數 247

6.2.3 dataPre數據預處理 249

6.2.4 綁定策略函數 253

6.2.5 迴溯測試：zwBackTest 253

6.2.6 輸齣迴溯結果數據、圖錶 258

6.3 零點策略 260

6.3.1 mul多個時間點的交易＆數據 263

6.3.2 案例6-2：多個時間點交易 264

6.4 不同數據源與格式修改 270

6.4.1 案例6-3：數據源修改 272

6.4.2 數據源格式修改 274

6.5 金融數據包與實盤數據更新 275

6.5.1 大盤指數文件升級 276

6.5.2 實盤數據更新 277

6.5.3 案例6-4：A股實盤數據更新 277

6.5.4 案例6-5：大盤指數更新 279

6.6 穩定第一 281

第7章 量化策略庫 282

7.1 量化策略庫簡介 282

7.1.1 量化係統的三代目 283

7.1.2 通用數據預處理函數 283

7.2 SMA均綫策略 286

7.2.1 案例7-1：SMA均綫策略 286

7.2.2 實盤下單時機與推薦 289

7.2.3 案例7-2：實盤SMA均綫策略 290

7.3 CMA均綫交叉策略 294

7.3.1 案例7-3：均綫交叉策略 294

7.3.2 對標測試誤差分析 296

7.3.3 案例7-4：CMA均綫交叉策略修改版 299

7.3.4 人工優化參數 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：實盤VWAP策略 303

7.5 BBands布林帶策略 304

7.5.1 案例7-7：BBands布林帶策略 305

7.5.2 案例7-8：實盤BBands布林帶策略 306

7.6 大道至簡1 1 307

第8章 海龜策略與自定義擴展 309

8.1 策略庫 309

8.1.1 自定義策略 310

8.1.2 海龜投資策略 310

8.2 tur海龜策略v1：從零開始 311

8.3 案例8-1：海龜策略框架 311

8.4 tur海龜策略v2：策略初始化 312

8.5 案例8-2：策略初始化 312

8.6 tur海龜策略v3：數據預處理 313

8.7 案例8-3：數據預處理 314

8.8 tur海龜策略v4：策略分析 317

8.9 案例8-4：策略分析 317

8.10 tur海龜策略v5：數據圖錶輸齣 320

8.10.1 案例8-5：圖錶輸齣 320

8.10.2 參數優化 324

8.10.3 案例8-6：參數優化 324

8.11 tur海龜策略v9：加入策略庫 325

8.12 案例8-7：入庫 326

8.13 庖丁解牛 328

第9章 TA-Lib函數庫與策略開發 329

9.1 TA-Lib技術指標 329

9.1.1 TA-Lib官網 329

9.1.2 矩陣版TA-Lib金融函數模塊 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 預留參數優化接口 356

9.4.4 案例9-5：A股版RSI策略 357

9.5 基石、策略與靈感 358

第10章 擴展與未來 360

10.1 迴顧案例2-1：SMA均綫策略 360

案例10-1：SMA均綫策略擴展 363

10.2 大盤指數資源 365

10.2.1 大盤指數文件升級 366

10.2.2 大盤指數內存數據庫 367

10.2.3 擴展zwQuantX類變量 368

10.2.4 大盤指數讀取函數 368

10.2.5 案例10-2：讀取指數 369

10.2.6 大盤數據切割 370

10.2.7 案例10-3：inxCut數據切割 372

10.3 係統整閤 373

10.3.1 案例10-4：整閤設置 375

10.3.2 案例10-5：修改指數代碼 376

10.3.3 修改sta_dataPre0xtim函數 377

10.3.4 案例10-6：整閤數據切割 380

10.3.5 修改繪圖函數 381

10.4 擴展完成 384

案例10-7：SMA均綫擴展策略 384

10.5 其他擴展課題 386

10.5.1 復權數據衝突 386

10.5.2 波動率指標DVIX 386

10.5.3 修改迴溯主函數zwBackTest 387

10.5.4 案例10-8：波動率 390

10.5.5 空頭交易 392

10.5.6 虛擬空頭交易 392

10.5.7 修改檢查函數 393

10.5.8 案例10-9：空頭數據 396

10.6 終點與起點 397

附錄A zwPython開發平颱用戶手冊 398

附錄B Python量化學習路綫圖 423

前言/序言

　　2014年，美國銀行、美林證券的“石英”項目、摩根大通的“雅典娜”項目都不約而同地選擇瞭Python作為金融行業的標準編程語言。
　　全世界的金融工程行業全部重新洗牌，這為中國的金融工程從業人員帶來瞭前所未有的機遇。資本的力量是強大的，也是冷酷無情的。
　　2016年5月，《華爾街日報》報道，目前華爾街的三大編程語言是：C、Java與Python。其中，C與Java成為三大語言之一有兩方麵原因：一方麵是由於曆史積纍，另一方麵是係統架構設計的需要。而在應用領域Python更勝一籌，因為Python已經成為金融行業量化領域的標準編程語言。
　　本書是國內較早關於Python大數據與量化交易的原創圖書。本書配閤zwPython、zwQuant開源量化軟件學習，是一套完整的大數據分析、量化交易的學習教材，可直接用於實盤交易。
　　本書內容包括：
　　近50萬字的圖文課件；
　　數十套結閤課件的Python教學代碼；
　　全套zwPython開源平颱；
　　業內首套麵嚮初學者的開源量化係統zwQuant；
　　國內較大的開源金融數據包zwDat，包括tick數據。
　　100%零基礎，無須任何編程、交易經驗，也不需要具備超強的數據分析能力，隻要會使用Excel就可以輕鬆學會本書講解的知識點。讀完本書內容和配套的教學代碼，就能夠編寫簡單的量化策略函數。 < 零起點Python大數據與量化交易 下載 mobi epub pdf txt 電子書

評分☆☆☆☆☆

確實好書，引導式的算法介紹很明晰。

評分☆☆☆☆☆

剛收到貨速度很快，學習中！

評分☆☆☆☆☆

好！！！！！！！！！

評分☆☆☆☆☆

物有所值

評分☆☆☆☆☆

好好好，希望自己能好好學習，天天嚮上，好好工作。

評分☆☆☆☆☆

非常不錯的一本書，很好，很好，非常好，我正需要，非常專業講的非常詳細

評分☆☆☆☆☆

物有所值

評分☆☆☆☆☆

非常不錯的一本書，很好，很好，非常好，我正需要，非常專業講的非常詳細

評分☆☆☆☆☆

先囤著再慢慢看

類似圖書 點擊查看全場最低價