量化交易之路：用Python做股票量化分析 - (EPUB全文下载)

文件大小：6.35 mb。
文件格式：epub 格式。
书籍内容：

量化交易之路：用Python做股票量化分析
阿布　著
ISBN：978-7-111-57521-4
本书纸版由机械工业出版社于2017年出版，电子版由华章分社（北京华章图文信息有限公司，北京奥维博世图书发行有限公司）全球范围内制作与发行。
版权所有，侵权必究
客服热线：+ 86-10-68995265
客服信箱：service@bbbvip.com
官方网址：www.hzmedia.com.cn
新浪微博 @华章数媒
微信公众号 华章电子书（微信号：hzebook）
目录
前言
第1部分　对量化交易的正确认识
第1章　量化引言
1.1　什么是量化交易
1.2　量化交易：投资？投机？赌博？
1.3　量化交易的优势
1.4　量化交易的正确认识
1.5　量化交易的目的
第2部分　量化交易的基础
第2章　量化语言——Python
2.1　基础语法与数据结构
2.2　函数
2.3　面向对象
2.4　性能效率
2.5　代码调试
2.6　本章小结
第3章　量化工具——NumPy
3.1　并行化思想与基础操作
3.2　基础统计概念与函数使用
3.3　正态分布
3.4　伯努利分布
3.5　本章小结
第4章　量化工具——pandas
4.1　基本操作方法
4.2　基本数据分析示例
4.3　实例1：寻找股票异动涨跌幅阀值
4.4　实例2：星期几是这个股票的“好日子”
4.5　实例3：跳空缺口
4.6　pandas三维面板的使用
4.7　本章小结
第5章　量化工具——可视化
5.1　使用Matplotlib可视化数据
5.2　使用Bokeh交互可视化
5.3　使用pandas可视化数据
5.4　使用Seaborn可视化数据
5.5　实例1：可视化量化策略的交易区间及卖出原因
5.6　实例2：标准化两个股票的观察周期
5.7　实例3：黄金分割线
5.8　技术指标的可视化
5.9　本章小结
第6章　量化工具——数学
6.1　回归与插值
6.2　蒙特卡罗方法与凸优化
6.3　线性代数
6.4　本章小结
第3部分　量化交易系统的开发
第7章　量化系统——入门
7.1　趋势跟踪与均值回复
7.2　仓位控制管理
7.3　本章小结
第8章　量化系统——开发
8.1　abu量化系统择时
8.2　abu量化系统选股
8.3　本章小结
第9章　量化系统——度量与优化
9.1　度量的基本使用方法
9.2　度量的基础
9.3　基于Grid　Search寻找因子最优参数
9.4　资金限制对度量的影响
9.5　输入中文自动生成交易策略
9.6　本章小结
第4部分　机器学习在量化交易中的实战
第10章　量化系统——机器学习·猪老三
10.1　机器学习基础概念
10.2　猪老三世界中的量化环境
10.3　有监督机器学习
10.4　无监督机器学习
10.5　梦醒时分
10.6　本章小结
第11章　量化系统——机器学习·abu
11.1　搜索引擎与量化交易
11.2　主裁
11.3　边裁
11.4　一定要赢得这场胜利，即使一切都不存在
11.5　本章小结
附录A　量化环境部署
附录B　量化相关性分析
附录C　量化统计分析及指标应用
前言
随着互联网技术的不断发展，许多传统行业（包括传统金融行业）也在不断地改变着自己的工作模式和流程，并且希望借助互联网技术得到进一步的发展。在金融行业中，股票及其他交易类型衍生品，如期权、期货交易无疑是最早受到冲击从而发生改变的。从算法交易之父托马斯·彼得菲，到如今依然活跃异常的量化投资之王西蒙斯，他们是最早的一批量化交易受益者，也是为整个金融行业指明方向的引导者。据统计，近年来自动化交易占据了美国股票市场60%以上的成交量。
量化交易从一开始出现就仿佛戴着神秘的面纱，特别是对于普通的投资交易者。有些人认为它就是像炼金术一样的存在，有了它就能躺着挣钱了。当然也有些人认为它完全不靠谱。笔者研究量化交易多年，而且参与了大量的量化交易实战，从中积累了大量的心得体会，所以萌生了编写一本量化交易图书的想法，为读者揭开量化交易的神秘面纱。
本书分为4个部分来讲解量化交易的相关知识。
第1部分（第1章）着重讲解了投资者对量化交易的正确认识。
第2部分（第2～6章）主要讲解了量化交易需要的基础知识及相关工具，如Python语言、NumPy、pandas、数据可视化及量化数学等知识，适合完全没有任何编程经验的读者从头开始阅读。书中每一章的示例也尽量穿插股票及其他衍生交易产品的投资知识和交易技巧，尽量为读者建立一套独有的知识体系结构，为读者在交易技术与量化技术之间搭建牢固的基础纽带。
第3部分（第7～9章）着重讲解了使用量化系统回测交易策略及交易的度量等实战知识。对于有进阶需求的读者，则完整地讲解了整套量化回测系统择时、选股开发的关键点及滑点和资金管理的核心知识，以及更有针对策略地寻找最优参数及最优度量等知识。
第4部分（第10、11章）主要讲解了机器学习技术在量化交易中的应用。该部分内容从机器学习实战出发，同样适合大多数没有深厚数学基础的读者阅读，着重阐述了基于机器学习技术对交易进行预测的不可行性，以及正确的使用方式，即使用机器学习技术进行统计预言的概率。
附录给出了量化环境部署、量化相关性分析、量化统计分析及指标应用等内容。
特别需要提及的是，为了突出重点知识，减轻读者的阅读压力，本书在编写过程中通过故事的形式来讲解关键知识点。例如：
·通过“6.2.1节你一生的追求到底能带来多少幸福”的故事，重点讲解了最优问题的计算；
·通过“7.2.3节三只小猪股票投资的故事”，重点讲解了仓位控制管理的重要性；
·通过“第10章机器学习·猪老三”的故事，重点讲解了机器学习知识与工程上的使用问题。
本书所有示例均使用IPython Notebook编写，读者可在Git工具上找到对应章节的内容。具体代码下载地址为https://github.com/bbfamily/abu
。如下载地址有变动，可关注微信公众号abu_quant，获取最新的Git地址；或者在www ............

书籍插图：

以上为书籍内容预览，如需阅读全文内容请下载EPUB源文件，祝您阅读愉快。