指导读者：7 x$ Y6 g9 h1 [
迅速掌握用Python 语言处理数据的方法；# R! d8 g/ y+ D/ f3 p H& D
灵活运用Python 解决实际金融问题；
) z8 H b/ y8 N4 B6 ` E 掌握量化投资所需的理论知识；
# \' A# n8 _# O( r 领会如何在Python 语言中构建量化投资策略。
2 r! {" [2 `: Q; @, ] 内容简介
3 f4 N+ c+ n' V 本书主要讲解量化投资的思想和策略，并借助Python 语言进行实战。本书一共分为5部分，第1部分是Python 入门，第2部分是统计学基础，第3部分是金融理论、投资组合与量化选股，第4部分是时间序列简介与配对交易，第5部分是技术指标与量化投资。本书首先对Python 编程语言进行介绍，通过学习，读者可以迅速掌握用Python 语言处理数据的方法，并灵活运用Python 解决实际金融问题；其次，向读者介绍量化投资的理论知识，主要讲解量化投资所需的数量基础和类型等方面；最后讲述如何在Python语言中构建量化投资策略。4 h4 r( J# r) t% j. Y% L
作者简介
- d d# ]6 F# c, m( c; s! t 蔡立耑，美国伊利诺伊大学金融硕士，华盛顿大学经济学硕士、博士。在人工智能、大数据分析、金融创新、量化投资等领域有丰富的实战经验。
5 [" z5 c9 l6 y. f; Y 目录
/ l: ~. O7 R; Y, A: a1 d; t7 q 第1 部分Python 入门 1
& g5 c6 E! O7 ? 第1 章Python 简介与安装使用 2% H- w* p' }2 r$ D5 C9 ]
1．1 Python 概述* n8 i- l1 K, `# N0 m( Q2 a4 b) x
1．2 Python 的安装- c6 W2 o0 F2 x. s0 W
1．2．1 下载安装Python 执行文件
; l/ {! Z( C- V8 J% j) j+ H 1．2．2 下载安装Anaconda
) h6 w; E4 P1 s 1．2．3 多种Python 版本并存9 m3 Q0 R5 `6 R
1．3 Python 的简单使用
& H! G# X# k" ~/ J8 J. B1 {! ~3 ^/ J! ~ 1．4 交互对话环境IPython" J$ p* u* T/ `) A
1．4．1 IPython 的安装
: N3 [3 ~% S8 l [* ` 1．4．2 IPython 的使用+ I/ F0 @+ R2 `6 {
1．4．3 IPython 功能介绍
+ }' M, j8 ^" i 第2 章Python 代码的编写与执行
# T' O" d8 d7 j4 l8 D 2．1 创建Python 脚本文件
+ N+ m: W/ M, J. u" ~ 2．1．1 记事本
3 @; W# U, Q3 h0 v3 U. { 2．1．2 Python 默认的IDLE 环境# f) L1 n( p& @+ V) v6 G
2．1．3 专门的程序编辑器
- u' G. E W( o. t 2．2 执行．py 文件
1 _- n4 V0 {; k) B! L 2．2．1 IDLE 环境自动执行
4 O& C- B; g, S0 b; _( y) ` 2．2．2 在控制台cmd 中执行* q9 _7 s$ [5 M3 R6 j- }0 H
2．2．3 在Annaconda Prompt 中执行8 b; n0 V0 b2 Y3 z
2．3 Python 编程小技巧
3 [6 N0 O& e k4 N6 V4 \ 2．3．1 Python 行% S/ E& \: v+ f9 @, m3 C. Q
2．3．2 Python 缩进$ G2 x2 l6 g+ {: S" p
第3 章Python 对象类型初探 23$ V+ y& | t9 k, q% }
3．1 Python 对象
6 X2 `. m q* L4 a7 Z$ k9 ?5 W 3．2 变量命名规则! V( }8 f2 |9 V9 \7 ^# r5 x2 z4 y
3．3 数值类型
' F& S4 Y2 y" k3 v2 c9 S" h 3．3．1 整数
/ N% o( S9 B- J. M; h+ O- V+ _ 3．3．2 浮点数
\$ B8 D, ^ E0 O# r9 {5 u 3．3．3 布尔类型9 O" Y! y2 [1 W0 d
3．3．4 复数
' r$ J3 S% _' C9 K0 ?5 y! Y3 V7 C; C+ X 3．4 字符串
, h }; Z7 o) p- V: n Q+ O 3．5 列表0 M, u9 \4 p! Z: ]" a5 d) l
3．6 可变与不可变5 t3 w, q& d# C) i, P# x" b G
3．7 元组
4 x# g( t& b+ f 3．8 字典
2 c' B5 @$ A* ~ 3．9 集合
! Q1 c; ?+ D" D4 o, e8 N' u3 ?" K$ P 第4 章Python 集成开发环境：Spyder 介绍 364．1 代码编辑器
, [3 M% h$ E& x5 R4 {5 x* o 4．2 代码执行Console
% q7 H" p9 ?# }, O 4．3 变量查看与编辑& T( ?1 Y8 W' j3 u: H4 k
4．4 当前工作路径与文件管理
3 f8 S5 B3 [6 I 4．5 帮助文档与在线帮助0 R( Q0 G0 [) s. W
4．6 其他功能+ D8 {" q s% _7 U
第5 章Python 运算符与使用 44
" j6 y" k+ y3 n7 P' S& G; M 5．1 常用运算符# i9 i+ y$ R4 Q$ n& N
5．1．1 算术运算符9 Y; b6 P! T3 e+ L
5．1．2 赋值运算符2 n; q, m8 @" v0 F m# ]* G# R( \
5．1．3 比较运算符
# p) A( k8 l9 C' s1 J 5．1．4 逻辑运算符7 E+ C9 L3 u" s! r0 Q. B
5．1．5 身份运算符
) l: G$ H" _ Q0 ]) Z 5．1．6 成员运算符
' ~2 T i# M' h' o8 _9 Z 5．1．7 运算符的优先级
/ Y3 S7 p& [1 f0 q1 _ 5．2 具有运算功能的内置函数; E! |: r: |1 O# @4 C" n( S
第6 章Python 常用语句 55
5 U' S0 y# g. D" u/ i2 r 6．1 赋值语句
# D* T) `. G" q& C* R5 E 6．1．1 赋值含义与简单赋值# e1 c) I V3 o. a& b( t: A
6．1．2 多重赋值2 I: g5 r+ K6 A2 u+ V0 ~) Y
6．1．3 多元赋值$ \/ b1 }$ k! h5 g" K( U/ C
6．1．4 增强赋值
1 F/ b. u' e3 C0 S 6．2 条件语句- F/ f0 L- u0 I+ G5 E: R2 g
6．3 循环语句8 V0 _3 Y% V$ j4 r6 Y, z
6．3．1 for 循环
1 v% L: C) R9 u/ i, [ 6．3．2 while 循环: i0 Z, w1 D, I* L
6．3．3 嵌套循环, \ u) { X8 F% }! D3 A
6．3．4 break、continue 等语句
' t7 ~/ T5 ]+ f3 \ 第7 章函数
: P9 V \5 A7 c0 n; a 7．1 函数的定义与调用% ?5 E" m2 }$ |, W
7．2 函数的参数7 r9 l8 I: h2 X; H2 g9 B( B7 o
7．3 匿名函数
' G- n6 U3 D2 w 7．4 作用域
7 f# L, [. A' D# v+ ~4 X F 第8 章面向对象
4 A& T2 A% g; Q# Y0 u! k 8．1 类
6 ~/ Z# y* N7 E _ 8．2 封装, d( k2 T2 Q7 I M- T: h
8．3 继承（Inheritance）4 Q1 k& H. L! B- X+ h1 V
第9 章Python 标准库与数据操作3 R# j6 j2 k0 o& J, R" \: H
9．1 模块、包和库* k$ n5 W2 t' G# ]. U
9．1．1 模块8 ?9 \# T1 l4 s8 h* s
9．1．2 包
q/ d* @9 n3 r7 M# ~, U# n 9．1．3 库6 J' y0 D, e! v* l
9．2 Python 标准库介绍
% T3 y; w$ d; k) s4 \ 9．3 Python 内置数据类型与操作5 b* U6 x! r. ^9 K [
9．3．1 序列类型数据操作, h$ K8 u2 t% Y7 a2 l
9．3．1．1 list 类型与操作; \+ V" w) J" u& ]: |
9．3．1．2 tuple 类型与操作
; m+ p/ R# N5 C4 _ 9．3．1．3 range 类型与操作; q- r% n W) C7 X7 ?
9．3．1．4 字符串操作, H) p- ~; t) c4 ]8 ?- j
9．3．2 字典类型操作9 T6 w# L3 W' m% O. f. e: o0 F
9．3．3 集合操作 I4 l( u$ z7 l- d2 d( `0 ~
第10 章常用第三方库：Numpy 库与多维数组9 y2 O8 D T, H4 {% j# G6 \( D
10．1 NumPy 库
) s9 [0 X" b4 Z" p" a' M$ e& p9 P4 Z 10．2 创建数组
2 L- W7 [+ U. h+ N 10．3 数组元素索引与切片, ~" g3 f: `$ c: k" t
10．4 数组运算& R" k0 z; v: h3 m4 n% M1 q
第11 章常用第三方库：Pandas 与数据处理5 c/ O9 A( ^* v d5 B% e0 l7 k& |) m1 h
11．1 Series 类型数据
, P1 p0 h$ \6 T9 R9 G3 A 11．1．1 Series 对象的创建
) |: Z! W. f9 p* x- F2 V 11．1．2 Series 对象的元素提取与切片
% E2 m. D8 Z+ z. ^ 11．1．2．1 调用方法提取元素
3 f3 S$ E' Q9 q6 s, Y3 B 11．1．2．2 利用位置或标签提取元素与切片6 V' w& O: ~7 ^! f7 \6 ~
11．1．3 时间序列
# s% U. q, g s) |5 [ 11．2 DataFrame 类型数据
( @3 }4 \) ~9 n4 o8 H+ @ 11．2．1 创建DataFrame 对象% ]$ W' _% F( `: D: d7 u9 m
11．2．2 查看DataFrame 对象/ z8 K- Y) ^/ ?
11．2．3 DataFrame 对象的索引与切片/ k& B7 \7 |# v3 v$ A
11．2．4 DataFrame 的操作
( O7 `6 G8 `7 O5 W$ ] 11．2．5 DataFrame 的运算6 ~6 I% P: }& x! ^2 d: C: ~! A
11．3 数据规整化
* p6 ]& p- ]7 C+ H6 _$ } 11．3．1 缺失值的处理0 Y) I( w) W. }: u% p5 S
11．3．1．1 缺失值的判断! X+ u# Z& H; N( ]+ S6 J w* P" F
11．3．1．2 选出不是缺失值的数据
, O0 x8 m$ L7 S 11．3．2 缺失值的填充
0 m5 m2 j6 J) E/ K% c! s. U7 w 11．3．3 缺失值的选择删除# w/ J* [5 N, r' p1 i7 ^' Q
11．3．4 删除重复数据( J5 K' x+ j" O' T# S9 Y9 f+ b% E
第12 章常用第三方库：Matplotlib 库与数据可视化12．1 Matplotlib 简介
. N6 E- n+ w- T) b& c 12．2 修改图像属性1 {4 t: N$ y; H# E
12．2．1 坐标
2 H1 m) d" s, w; P+ O% T1 D 12．2．1．1 更改坐标轴范围7 g! O" {# F e( W* j* @, q5 p
12．2．1．2 设定坐标标签与显示角度
) c) l/ q$ F! _+ B( I* I 12．2．2 添加文本
2 j* W) z9 v Z: e( k- _- @* R 12．2．2．1 添加标题% D) C2 S0 j3 I- s0 [
12．2．2．2 中文显示问题
! L5 D- q2 J; Y: y 12．2．2．3 设定坐标轴标签/ @' D' A# b4 H/ n5 u5 h
12．2．2．4 增加图形背景grid
- R' Y, y- _; g1 y# ] 12．2．2．5 增加图例
+ l O! o( f: Q# D, A" E7 L u 12．2．3 多种线条属性
# M- z3 \/ A7 Z: K, `% w6 P 12．2．3．1 线条的类型
4 X) j8 N8 T6 |9 G4 U% M 12．2．3．2 图形的颜色9 r1 Q; A! ~; f% Z" o
12．2．3．3 点的形状类型2 h, ?7 R/ _( ~" J2 p
12．2．3．4 线条宽度! n E+ a% `. ~. ]: T5 h0 i5 s
12．3 常见图形的绘制
I' m2 w) x! c9 d$ N8 [' i1 V 12．3．1 柱状图（Bar charts）
0 F7 m2 e8 Z; W4 }. o" K 12．3．2 直方图
$ O) _! R1 Y8 T 12．3．3 饼图 u4 I; l' v! e/ ~4 h' V- k! E
12．3．4 箱线图) C4 G& W# r$ a
12．4 Figure、Axes 对象与多图绘制
- p# ` G4 a( ^ e# X5 @ 12．4．1 Figure、Axes 对象
) x+ w! R( C" G6 {% @% _ 12．4．2 多图绘制
8 K+ j5 \" z- j T 12．4．2．1 多个子图绘制3 ~+ N9 B, H" e
12．4．2．2 一个图中多条曲线绘制
, n8 w, |$ C) }/ ~8 l, v 第2 部分统计学基础* v+ m- m. Y) U
第13 章描述性统计
, u1 e5 m% X: n 13．1 数据类型
! h9 c0 Z5 {; e# u; a" s: n2 s 13．2 图表- U% c/ N7 Y$ l! B: C8 b
13．2．1 频数分布表8 ?- x6 K/ C* M1 C/ z, Y- ~8 b$ ?; e7 z4 U. a
13．2．2 直方图
0 i [* ^3 F7 P! G8 Y' \2 { 13．3 数据的位置+ C% s3 A% V) y* O/ U1 V0 {
13．4 数据的离散度; Q# Y; I2 R) B5 j% s0 y
第14 章随机变量简介- l8 q# J& d$ u* U, M4 Y- y+ ~' ?
14．1 概率与概率分布
: o9 G& Y1 s+ y3 C( f8 n5 O 14．1．1 离散型随机变量
7 ^( X# i8 p3 j$ E% _' V 14．1．2 连续型随机变量( N% i3 y3 _; V8 _ x
14．2 期望值与方差7 v5 Z) l7 A5 V/ P7 \: l' T( J
14．3 二项分布
* v- U, K X8 f# D1 G0 | q0 r 14．4 正态分布
# S C5 v) D/ l7 [# g+ ] 14．5 其他连续分布* H+ r% c% a6 i- G! k8 C
14．5．1 卡方分布
- w/ m, ^5 @3 S 14．5．2 t 分布! O% E& i& H4 I- M: ~ ^
14．5．3 F 分布
+ Q. H. F+ `7 B+ ?% ~ 14．6 变量的关系1 D$ \" D" C5 c) w8 X) \
14．6．1 联合概率分布" T9 R: x+ |4 a5 Z. \
14．6．2 变量的独立性
2 u% \, j. R+ ?) A9 Q% o5 o 14．6．3 变量的相关性
) d' H8 p+ F e 14．6．4 上证综指与深证综指的相关性分析
5 D4 V& m, B' B, J7 |7 X: f% M 第15 章推断统计& t/ M2 X7 C& \) d
15．1 参数估计. l. R7 W2 [ d. u0 X& q7 [
15．1．1 点估计$ t1 O0 j1 c( h
15．1．2 区间估计* J6 J& [' o j& |8 @6 M$ n4 p
15．2 案例分析4 K& R+ J/ c( Q4 A2 G
15．3 假设检验8 x9 J2 b4 s( V. j+ s
15．3．1 两类错误& D$ Z1 w$ K) f8 e; _# m# W6 ?. ?
15．3．2 显著性水平与p 值
( T! K7 {: e* E {8 n0 O( b7 k0 {' O 15．3．3 确定小概率事件3 ~& U9 _! q! h' z/ @7 R
15．4 t 检验/ d; D8 x$ y- Q' [2 C3 W% l. u
15．4．1 单样本t 检验& Z& a& D% s! I: o% U) ]) G
15．4．2 独立样本t 检验
7 S: }( E4 _; ~$ N 15．4．3 配对样本t 统计量的构造7 K$ u0 |' u( n! x# G j% j$ j
第16 章方差分析
2 Q) @1 d" C% p' V3 Y- h1 Y! T 16．1 方差分析之思想
6 I* U& U! K8 l/ ?# P8 e 16．2 方差分析之原理
% O7 P( G2 E/ `6 [, O) M, T 16．2．1 离差平方和5 v* O/ X, K1 R+ b% h
16．2．2 自由度
, J8 N) s: {. X1 h B( S5 f4 C 16．2．3 显著性检验
' c9 b) H9 d! W0 g: e 16．3 方差分析之Python 实现7 x) a0 ^+ e0 a7 r z4 s7 K1 Z* M
16．3．1 单因素方差分析
* `) q' E; G3 R4 ?% M) J8 j 16．3．2 多因素方差分析
$ p7 I) d! g& q Y; C v1 o 16．3．3 析因方差分析0 `' e7 U3 }. K# E6 S" x2 q/ E1 x
第17 章回归分析' ~8 A: P6 ^6 C/ x' g: Q; b/ }
17．1 一元线性回归模型
, E8 [7 k3 S8 c1 H! F* Y0 ]* a 17．1．1 一元线性回归模型 f2 n' {9 l$ v3 j& Q
17．1．2 最小平方法2 z& o a2 s2 c/ v$ c
17．2 模型拟合度: l; S+ Z: l6 ?$ g
17．3 古典假设条件下^_、^ _ 之统计性质- r* M, x+ d! C5 X) y4 ?
17．4 显著性检验5 ?4 L$ M" h* ]
17．5 上证综指与深证成指的回归分析与Python 实践17．5．1 Python 拟合回归函数
+ q' W& H; Q2 Y3 k0 }% x 17．5．2 绘制回归诊断图( H+ ]- k# t: M7 n
17．6 多元线性回归模型
- Q2 q: W2 G. ?8 N4 v) @ 17．7 多元线性回归案例分析
. b. n4 m5 ^7 b v% C9 _ 17．7．1 价格水平对GDP 的影响; f- G; v" Z/ e0 ^" m
17．7．2 考量自变量共线性因素的新模型
* U' I. T9 Y$ f- P# m5 D; S 第3 部分金融理论、投资组合与量化选股
# f' y9 {) ]7 ^6 ~2 M: A 第18 章资产收益率和风险
6 P& i6 _ O6 O* C( Q 18．1 单期与多期简单收益率
4 i" H2 Y/ _. X3 ~0 g8 u 18．1．1 单期简单收益率
% p' A% Q* I: l, H( j; S5 V 18．1．2 多期简单收益率
, F v% z2 V( u! L+ p 18．1．3 Python 函数计算简单收益率
1 u# w/ E6 b7 i" q2 D% y 18．1．4 单期与多期简单收益率的关系" w4 }; H6 Q2 N7 X
18．1．5 年化收益率6 S; s% S1 y5 j
18．1．6 考虑股利分红的简单收益率% j- y" j1 e7 k6 C6 G" N/ C
18．2 连续复利收益率- t8 M6 j1 ~& h8 l' g
18．2．1 多期连续复利收益率
' X1 n8 I" T9 i2 ?1 Y- H 18．2．2 单期与多期连续复利收益率的关系% ]7 p \2 y6 ~/ z
18．3 绘制收益图: q+ G/ ?0 |! M' ^& ?* D
18．4 资产风险的来源$ O& X; k' [- x* [2 o. P
18．4．1 市场风险
8 t$ }# j" @9 ^# { 18．4．2 利率风险+ O5 u8 L. t, t: x( g8 N9 F
18．4．3 汇率风险
" [) O3 |! _8 w; [& P 18．4．4 流动性风险
0 Q9 q& p* ~( j2 d8 @; C9 ?5 f 18．4．5 信用风险
4 E: a+ d" T: J# x. V( \6 C" `( F7 m) Z 18．4．6 通货膨胀风险6 f) m/ G7 x h1 w1 x
18．4．7 营运风险
# ], e" T5 j' k& ` 18．5 资产风险的测度
1 _& ^: [! N e2 W 18．5．1 方差
" r |- A' O; L 18．5．2 下行风险
: V# W$ F* V* [5 x7 z 18．5．3 风险价值
: {* b3 E! n& k( N4 r 18．5．4 期望亏空
' c3 D2 R- v4 n, k# _- d 18．5．5 最大回撤$ C0 h( S) _6 n7 O2 x
第19 章投资组合理论及其拓展
% e4 ^# V5 v9 V( H) q 19．1 投资组合的收益率与风险
5 ]: ~/ T9 q+ f1 y1 T" i3 i* {9 A7 ` 19．2 Markowitz 均值-方差模型0 \( z% V( x, @+ q; s# G* a
19．3 Markowitz 模型之Python 实现
% `' m! O! l# @ 19．4 Black-Litterman 模型4 T; M: i9 K* _
第20 章资本资产定价模型（CAPM）
1 y2 A, v, I2 ` 20．1 资本资产定价模型的核心思想
- q& Q+ t8 h Y, P3 H 20．2 CAPM 模型的应用
0 R, ~0 a: P; g* ^7 N. w5 f 20．3 Python 计算单资产CAPM 实例( d+ e q. C! p5 x! g# W ?, n D0 A
20．4 CAPM 模型的评价
! K" L- n9 J/ C5 O( K6 @: ` 第21 章Fama-French 三因子模型
$ _( s5 ]% h% I( c 21．1 Fama-French 三因子模型的基本思想6 X8 c$ k8 U. ~" G' X7 v% q1 D
21．2 三因子模型之Python 实现( ], ^% M4 X5 R/ A6 M, s
21．3 三因子模型的评价8 n1 n4 j' q- {3 \+ q
第4 部分时间序列简介与配对交易 317+ w; V: a" b, n1 C$ y# S P
第22 章时间序列基本概念 318% J% M% a6 U5 e
22．1 认识时间序列
% Q( q* W+ o' s: z/ B' T& n 22．2 Python 中的时间序列数据7 ] J# |" m. o' Q- c: }/ k Q
22．3 选取特定日期的时间序列数据
8 X5 x. T6 ^9 u1 A, P ~( z 22．4 时间序列数据描述性统计
" \$ S* {2 X# O7 I 第23 章时间序列的基本性质 326
( a. I) ]: H" E' d5 }2 k$ C 23．1 自相关性
" M/ D3 c! W- H- ?- A, k 23．1．1 自协方差* i0 t* B4 X. N
23．1．2 自相关系数# N; L# E" P+ f$ ?+ `% w; C
23．1．3 偏自相关系数9 x: J! p/ E/ r* Z9 D6 a
23．1．4 acf( ) 函数与pacf( ) 函数# Q0 t7 T+ p Y; h. G
23．1．5 上证综指的收益率指数的自相关性判断23．2 平稳性; `1 u5 d7 F: Y4 x
23．2．1 强平稳4 G2 P- ^* N1 @+ k2 ]$ m8 S$ \9 B* ]
23．2．2 弱平稳& u9 U8 j2 z: s
23．2．3 强平稳与弱平稳的区别
+ t7 z* X: u4 D; t 23．3 上证综指的平稳性检验4 M$ h E0 D& Z3 j
23．3．1 观察时间序列图
4 ^( ^0 z0 B# G1 H% x 23．3．2 观察序列的自相关图和偏自相关图
B; w3 j3 { ?* P3 @0 ]# ] 23．3．3 单位根检验
5 B. n1 w, ^! x) k, m 23．4 白噪声" w; w2 @: @3 W2 p
23．4．1 白噪声8 M2 F7 j7 n, j, R/ Y. n8 @$ r
23．4．2 白噪声检验――Ljung-Box 检验8 _6 @# g6 w& u+ {; D8 m
23．4．3 上证综合指数的白噪声检验
0 q: B: k' w! }2 h+ v5 P 第24 章时间序列预测
6 k' G; C7 ?5 N. D 24．1 移动平均预测
' V% m6 g$ t0 {+ p+ h, F" W# } 24．1．1 简单移动平均# X2 A, j' Z8 B2 C* K" r2 U
24．1．2 加权移动平均) p, |8 |7 Y' O& O3 k) [
24．1．3 指数加权移动平均
6 N& k6 U/ h a l/ ~5 ]# t 24．2 ARMA 模型预测5 w( l B8 {! E! T
24．2．1 自回归模型
% k5 `1 i0 _+ W6 T6 R8 U' q 24．2．2 移动平均模型
+ t! u# U5 ~" T' q/ V I1 Z. n 24．3 自回归移动平均模型/ C8 l1 \: Z4 e4 x G' @
24．4 ARMA 模型的建模过程
. [1 Z$ t5 e) s* H& w 24．5 CPI 数据的ARMA 短期预测
5 f+ X" i. j. F# p$ C3 J& w) K 24．5．1 序列识别
9 \- k9 q8 q& v" W# G 24．5．2 模型识别与估计
* |/ [! y4 F3 z# Y" Z1 U/ M* f 24．5．3 模型诊断
& b& u4 U& V/ m( P$ Y' w 24．5．4 运用模型进行预测
5 e& A( m' n/ V8 T7 {1 c) @; d 24．6 股票收益率的平稳时间序列建模. g F' V' V+ p# n/ M8 n) ~
第25 章GARCH 模型9 g$ W8 [6 }) {
25．1 资产收益率的波动率与ARCH 效应
2 J0 F) R( h A0 K' I6 ` @& q1 I 25．2 ARCH 模型和GARCH 模型
* {/ n/ I' w& k2 r 25．2．1 ARCH 模型/ R( V( `9 E' J# i5 l- a$ W
25．2．2 GARCH 模型) b5 F, M& I) k l `
25．3 ARCH 效应检验3 Z% I# }# _. f& X% g. m/ Z
25．4 GARCH 模型构建! Y( R% [9 ^; C! q( |9 P! I; }! W+ V
第26 章配对交易策略1 ?) k% ~( D! ^. }
26．1 什么是配对交易
( }, b5 p3 e! O8 a9 b- p 26．2 配对交易的思想) B/ y1 Y' r; s/ D; y" b
26．3 配对交易的步骤
' ~7 U" c/ q3 M( ]9 j 26．3．1 股票对的选择5 f' ~ f, U+ s& z2 E
26．3．2 配对交易策略的制定1 I+ G+ ?% v; ^6 U0 E& v+ \
26．4 构建PairTrading 类
3 r5 L" J$ M x, ]7 g 26．5 Python 实测配对交易交易策略7 W6 _3 K. @0 b# Z' P# \
第5 部分技术指标与量化投资0 m- T; L" j) ~6 ]
第27 章K 线图
: @) u$ d t% j; Z 27．1 K 线图简介
, M. w+ E4 n+ T7 i9 g5 r- Q 27．2 Python 绘制上证综指K 线图' l* O: r+ ^( [% Y5 H
27．3 Python 捕捉K 线图的形态
5 D5 V4 I3 x) f/ `6 f 27．3．1 Python 捕捉“早晨之星”
' C! q4 Y' i5 F3 d7 A* ~ 27．3．2 Python 语言捕捉“乌云盖顶”形态3 d+ c& I6 ?" R3 A0 z" I; t6 l
第28 章动量交易策略 |1 q, p8 z7 |# l
28．1 动量概念介绍
; h6 m* g1 m& |: b3 C2 S 28．2 动量效应产生的原因, @" t Y9 W5 b* {* S
28．3 价格动量的计算公式7 z3 X2 Q2 @( W' U1 }" {9 b
28．3．1 作差法求动量值
5 h- {0 z F; U! w( n4 w% O' g" }4 k$ e 28．3．2 做除法求动量值
+ ]. }( z1 C. W 28．4 编写动量函数momentum( )# z! v; S2 K" c2 N+ v3 R
28．5 万科股票2015 年走势及35 日动量线+ [% o% Z( k5 a# B3 T
28．6 动量交易策略的一般思路
# \# P4 q2 m) ^2 Y. Y7 Z, P6 y 第29 章RSI 相对强弱指标( `; t7 D# l- }3 ^0 U
29．1 RSI 基本概念( R1 E9 m3 r: d: E' r1 M% L
29．2 Python 计算RSI 值# P2 @# X* ] k. a# m* M. ?! k
29．3 Python 编写rsi( ) 函数; s* s* ~1 H( K; C
29．4 RSI 天数的差异5 Y/ l) v# k! r2 N P& @; ^6 C# a
29．5 RSI 指标判断股票超买和超卖状态
/ ^5 _5 e o; T* ^9 M2 K8 P8 W# a: b 29．6 RSI 的“黄金交叉”与“死亡交叉”
- _0 l, v7 K' G* X b; H+ F 29．7 交通银行股票RSI 指标交易实测
5 e( q7 I% P' m4 ? 29．7．1 RSI 捕捉交通银行股票买卖点0 x7 V% r5 f. k
29．7．2 RSI 交易策略执行及回测$ K* d7 G, W3 c- P! Q1 \
第30 章均线系统策略
a* t1 G F, A8 g1 t7 i 30．1 简单移动平均% p5 n% P/ }. [3 b
30．1．1 简单移动平均数: z7 Y' ~, ?' u ` K
30．1．2 简单移动平均函数$ ]! C7 g }- O0 F/ a& c' f
30．1．3 期数选择
" @1 _. Z) X5 @& @ 30．2 加权移动平均
: B$ P6 ^1 G1 B/ j% x 30．2．1 加权移动平均数
& V A/ x+ K/ |2 L' @, M8 h7 F 30．2．2 加权移动平均函数1 ~8 e1 `0 j2 i
30．3 指数加权移动平均9 |4 K4 e8 ^, h: U6 ?
30．3．1 指数加权移动平均数
1 ?2 _) L* C5 G& g 30．4 创建movingAverage 模组
( d( ~7 ~" C3 X# \ 30．5 常用平均方法的比较
. F1 g' N0 D" Q, K7 e) G7 _ 30．6 中国银行股价数据与均线分析7 r( E2 E( e5 m+ e9 q6 A
30．7 均线时间跨度
( M3 i; d3 N7 c- f 30．8 中国银行股票均线系统交易
7 {8 x: b* y2 O8 m7 N! k 30．8．1 简单移动平均线制定中国银行股票的买卖点30．8．2 双均线交叉捕捉中国银行股票的买卖点30．9 异同移动平均线（MACD）
9 F s% V9 t$ r& D& t* [% O8 e 30．9．1 MACD 的求值过程
# I# S" [0 ]+ l3 h4 O4 \! K9 P$ i! L9 D7 ~ 30．9．2 异同均线（MACD）捕捉中国银行股票的买卖点30．10 多种均线指标综合运用模拟实测2 I; Y+ ~$ ]6 {7 J8 \
第31 章通道突破策略. v: G5 ]( h# p& R, L
31．1 通道突破简介
! i* M6 O* P+ S2 j8 z4 G) a1 U 31．2 唐奇安通道; p& h7 W4 U- x2 X
31．2．1 唐奇安通道刻画9 J% f* [% |' O; z+ i' o; ]9 s- q
31．2．2 Python 捕捉唐奇安通道突破1 `, X# N+ `1 [3 r
31．3 布林带通道4 C" G- ]8 Z) C0 }& U9 H+ V: e5 Y
31．4 布林带通道与市场风险
! s$ u; f4 \2 p2 b 31．5 通道突破交易策略的制定/ R# J" ~' G& b% P6 t/ ^+ M2 A
31．5．1 一般布林带上下通道突破策略/ }# A3 F- h7 T8 l/ u9 Y( g* ~; g, h
31．5．2 特殊布林带通道突破策略
* b4 F7 P" G: F 第32 章随机指标交易策略6 V( L" j I' ?' ]# j
32．1 什么是随机指标（KDJ）
9 e" a$ ?; g( x 32．2 随机指标的原理
4 E( ?3 C S2 E0 ] 32．3 KDJ 指标的计算公式) m" M `7 P% F5 o
32．3．1 未成熟随机指标RSV
8 o! ~5 k, B5 F8 v 32．3．2 K、D 指标计算" x& M! s3 d4 D; T2 |
32．3．3 J 指标计算% K; y6 m" O; E5 a
32．3．4 KDJ 指标简要分析
( G" Z( h! N s$ g 32．4 KDJ 指标的交易策略
5 Y( L- I, G n+ L9 _+ |! ` 32．5 KDJ 指标交易实测; g+ Z* ?6 T3 }0 X @8 t
32．5．1 KD 指标交易策略& C- B! m) W6 ]1 U J
32．5．2 KDJ 指标交易策略: T R& Y# K) O1 s. n9 O, c
32．5．3 K 线、D 线“金叉”与“死叉”
% i) k2 z& @9 y# Q7 H 第33 章量价关系分析6 m9 |+ }/ o8 N. j& m
33．1 量价关系概述0 t. X: n4 E: ?$ h: ^! F7 q
33．2 量价关系分析$ j% A5 V( Z0 D' Y4 ~0 P
33．2．1 价涨量增
( g4 e2 L9 D0 z 33．2．2 价涨量平
. }5 |; P! s0 l- P" G" X, D 33．2．3 价涨量缩4 r( P. \9 n. k7 S' a7 W, A5 ~
33．2．4 价平量增
5 x9 a" f! e+ Y 33．2．5 价平量缩7 t+ S" V' S1 H
33．2．6 价跌量增
. d' ]* N+ V' ^- O9 v 33．2．7 价跌量平, |" Z; H. A0 i0 f! I- ~
33．2．8 价跌量缩
, k7 s! e/ a5 v5 g! V( @ 33．3 不同价格段位的成交量
7 s; m; Q: F8 O/ c3 J 33．4 成交量与均线思想结合制定交易策略5 B" B# g) B6 v9 g2 a$ D) Z
第34 章OBV 指标交易策略 524
9 u% `5 P% W% K( E1 K 34．1 OBV 指标概念2 s& G1 C: _1 i) ?
34．2 OBV 指标计算方法
& u" T- V& V7 G: }5 L# Z: O# n 34．3 OBV 指标的理论依据. q2 ^' t" u- D) b( z$ _4 }7 b7 c
34．4 OBV 指标的交易策略制定
0 f1 E$ v/ ~9 F6 G 34．5 OBV 指标交易策略的Python 实测
0 ]1 \* `7 _6 T8 U, e8 d1 A 34．6 OBV 指标的应用原则# f9 I4 c" y' `* }2 p3 p- c
前言/序言/ u( v8 s/ ~' O8 y
过去十年，一股“量化投资”的热潮在中国悄然掀起。最近这两年，投资人对量化的关注更是到达了前所未有的地步。除了业界到处寻找量化团队以外，各种量化基金如雨后春笋般出现，各个大学校园也开始举办一场又一场的量化讲座、研讨会等。量化投资一时蔚为风行，产官学共襄盛举。
$ _/ `8 ^' a- X! E9 w# J 这么受人瞩目的议题，到底它的内涵是什么呢？为了了解量化投资这个概念，我们先回顾一下投资分析与决策过程。在投资分析与实战中，虽然个中滋味如人饮水，个中细节一言难尽，但“投资”大致上会有如下几个阶段：首先，投资人利用各种工具与分析方法，建构模型（系统）来验证买卖标的、时点、价位等有效性；第二阶段则筛选经过分析与验证得到的结论，实际应用于交易；一个严谨的投资人，通常还会有第三阶段，即在实际投资的过程中，不断地修正与完善自已的模型（系统）。' w. X3 ~( {! b1 r5 C# s4 h, I- d+ s5 e
在资讯工具不发达的年代，这些过程往往以质化为主。例如，基金经理人会研究上巿公司财务报表，拜访公司高层，以经验判断技术指标的趋势与形态，做出投资的买卖决策。这种做法带有很大的主观性，因此又被称为“主观交易”。主观交易的流弊，在于决策基础多源于“大胆假设”而缺乏科学方法“小心求证”的过程。更甚者，行为金融学指出，投资人的行为往往易受各种心理认知谬误的影响而伤害投资绩效。除此之外，在瞬息万变的金融巿场中，主观交易者若要处变不惊地坚守操作纪律，同时眼明手快地捕捉稍纵即逝的机会，也常有“力不从心”之叹。
4 N' A" z r' W8 M" @; S 相较于主观交易所遭遇的问题，量化投资则在上述投资的各个阶段，利用数学、统计、计算机等分析工具来建立模型，据以客观地分析数据，按事先设定好的投资逻辑来进行投资决策，在理想状况下自动化执行下单。正因为如此，量化投资拥有可验证性、纪律性与即时性等许多主观交易不可企及的优势。若再善用计算机技术，量化交易者可以处理的资讯量更让主观交易者望尘莫及。如此说来，采用量化技术岂非在投资上立于不败之地？
* ?4 G3 j( b4 @( Y+ | 读者只要稍加思考即可发现，量化投资的模型很容易因建模者的能力不同而良莠不齐。此外，绝大多数模型的核心思想在于“以史为鍳”；在对历史数据依赖度高的前提下，一旦遇到新兴的金融巿场或历史不曾出现的事件，量化投资者也只能徒呼负负。既然主观交易有诸多限制，量化交易又并非万能，那么，对投资绩效念兹在兹的投资者，究竟该何去何从呢？我们要提醒读者的是，编程语言、统计、金融、技术指标等量化投资常用的知识只是工具，它们就像武侠小说中的宝剑与武功秘籍，虽然很重要，却不是笑傲江湖的保证。宝剑锋从磨砺出，只有勤练武艺，在实战中积累经验，才能审时度势，百战不殆。) J; u' M0 |& J9 y1 k3 @
游客,本下载内容需要支付 2共享币，购买后显示下载链接立即支付
1 ~( Z. T0 I. ?! y0 r/ P& K9 ^( j! b$ j* }
|
