Python金融量化分析

（京東、當當目錄請直接傳目錄jpg圖）

目錄

第1章  金融量化交易策略分析概述 1

1.1  金融量化分析簡介 1

1.1.1  金融量化分析的應用範疇 1

1.1.2  金融量化分析的基本流程 2

1.1.3  金融量化分析的方法與工具 2

1.1.4  金融量化分析的優勢 3

1.2  金融量化分析的困局 3

1.2.1  金融量化分析策略的同質化 4

1.2.2  量化分析工具的局限性 4

1.2.3  量化分析結果的隨機性 5

1.3  金融量化分析註意事項 5

1.4  本章小結 6

1.5  思考題 6

第2章  金融量化分析工具的準備——基礎語法 7

2.1  Python簡介 7

2.1.1  Python數據處理的優勢 7

2.1.2  Python的基本語法 8

2.2  Python變量 9

2.2.1  變量的命名規則 9

2.2.2  數值型變量 10

2.2.3  布爾類型變量 10

2.2.4  字符串類型變量 11

2.2.5  列表類型變量 14

2.2.6  元組類型變量 16

2.2.7  集合類型變量 17

2.2.8  字典類型變量 18

2.3  流程控制 19

2.3.1  邏輯判斷 20

2.3.2  if判斷 20

2.3.3  循環語句 21

2.4  函數 23

2.4.1  函數的定義與調用 23

2.4.2  函數的參數 24

2.4.3  lambda匿名函數 26

2.4.4  Python高階函數 27

2.5  類與對象 31

2.5.1  創建類與實例對象 31

2.5.2  面向對象的封裝 35

2.5.3  面向對象的繼承 37

2.5.4  面向對象的多態 38

2.6  模塊應用 39

2.6.1  模塊的安裝、卸載與調用 39

2.6.2  Python內置模塊示例1：datetime模塊 41

2.6.3  Python內置模塊示例2：os模塊 44

2.7  本章小結 45

2.8  思考題 45

第3章  金融量化分析工具的準備——Pandas基礎 46

3.1  Pandas簡介 46

3.1.1  Pandas的主要優勢 46

3.1.2  Pandas的主要功能 47

3.1.3  Pandas的底層結構 47

3.2  Series對象 48

3.2.1  創建Series對象 48

3.2.2  訪問Series對象數據 50

3.2.3  Series對象的常用屬性 50

3.2.4  Series對象的常用函數 51

3.3  DataFrame對象 55

3.3.1  DataFrame對象的數據存儲結構 55

3.3.2  創建DataFrame對象 56

3.3.3  DataFrame對象的常用屬性 59

3.3.4  DataFrame的列操作方法 60

3.4  Pandas金融量化分析應用 66

3.4.1  統計計算 67

3.4.2  累計計算 67

3.4.3  獲取CSV文件數據 68

3.4.4  獲取SQLite數據庫中的數據 70

3.5  Pandas數據可視化 72

3.5.1  折線圖 72

3.5.2  直方圖 77

3.6  本章小結 79

3.7  思考題 79

第4章  金融量化分析工具的準備——NumPy基礎 80

4.1  NumPy簡介 80

4.1.1  NumPy的主要優勢 80

4.1.2  NumPy的主要功能 81

4.1.3  ndarray的底層結構 81

4.2  ndarray對象的創建 82

4.2.1  創建ndarray對象的方法 82

4.2.2  創建特殊的ndarray對象 83

4.3  ndarray數組數據的訪問 84

4.3.1  索引 84

4.3.2  切片 86

4.4  NumPy數組操作 88

4.4.1  修改ndarray數組形狀 88

4.4.2  合並ndarray數組 91

4.4.3  分割ndarray數組 92

4.4.4  刪除ndarray數組數據 93

4.4.5  添加數組數據 94

4.5  NumPy模塊的主要函數 95

4.5.1  統計類函數 95

4.5.2  線性代數類函數 97

4.5.3  排序與篩選類函數 98

4.6  NumPy隨機數處理 102

4.6.1  NumPy處理隨機數問題的優勢 102

4.6.2  生成隨機數 102

4.6.3  隨機抽樣 104

4.6.4  隨機模擬實驗 105

4.7  本章小結 107

4.8  思考題 107

第5章  金融量化分析數據的準備 108

5.1  數據獲取 108

5.1.1  從Tushare平臺上獲取數據 108

5.1.2  從AkShare模塊中獲取數據 110

5.1.3  從qstock模塊中獲取數據 112

5.1.4  從Alpha Vantage API中獲取數據 118

5.2  數據清洗 124

5.2.1  數據清洗的內容 124

5.2.2  數據清洗示例 125

5.2.3  數據清洗進階——JSON數據清洗 128

5.3  數據存儲 131

5.3.1  用CSV文件存儲數據 131

5.3.2  用SQLite數據庫存儲數據 132

5.4  本章小結 138

5.5  思考題 138

第6章  金融量化交易策略開發實戰 139

6.1  趨勢追蹤交易策略 139

6.1.1  趨勢追蹤交易策略介紹 139

6.1.2  趨勢追蹤交易策略實戰代碼 140

6.1.3  趨勢追蹤交易策略實戰代碼詳解 142

6.2  頂底背離交易策略實戰 146

6.2.1  頂底背離交易策略介紹 146

6.2.2  頂底背離交易策略實戰代碼 147

6.2.3  頂底背離交易策略實戰代碼詳解 148

6.3  小市值交易策略實戰 149

6.3.1  小市值交易策略介紹 149

6.3.2  小市值交易策略實戰代碼 150

6.3.3  小市值交易策略實戰代碼詳解 152

6.4  海龜交易策略實戰 153

6.4.1  海龜交易策略介紹 153

6.4.2  海龜交易策略實戰代碼 153

6.4.3  海龜交易策略實戰代碼詳解 156

6.5  網格交易策略實戰 159

6.5.1  網格交易策略介紹 159

6.5.2  網格交易策略實戰代碼 160

6.5.3  網格交易策略實戰代碼詳解 164

6.6  本章小結 167

6.7  思考題 167

第7章  金融量化分析常用的工具模塊 168

7.1  TA-Lib模塊 168

7.1.1  TA-Lib模塊的安裝 168

7.1.2  TA-Lib模塊的函數類別 170

7.1.3  TA-Lib模塊的常用函數 174

7.2  Empyrical模塊 176

7.2.1  Empyrical模塊的優點 177

7.2.2  Empyrical模塊的用途 177

7.2.3  Empyrical模塊的常用函數 177

7.3  Mplfinance模塊 184

7.3.1  Mplfinance模塊的優點 184

7.3.2  Mplfinance模塊的主要函數 185

7.3.3  通過Mplfinance模塊繪制K線圖 189

7.4  本章小結 199

7.5  思考題 199

第8章  金融量化分析高級應用 200

8.1  金融數據回歸分析 200

8.1.1  回歸分析的基本原理 200

8.1.2  回歸分析的步驟 201

8.1.3  構建回歸模型示例 201

8.2  金融數據時間序列ARIMA模型回歸分析 203

8.2.1  時間序列分析模型介紹 203

8.2.2  ARIMA模型的計算公式 204

8.2.3  構建ARIMA模型示例 205

8.3  金融數據時間序列VAR模型回歸分析 215

8.3.1  VAR模型介紹 215

8.3.2  構建VAR模型示例 216

8.4  金融資產組合優化量化分析 223

8.4.1  馬科維茨模型 223

8.4.2  利用cvxpy模塊求解馬科維茨模型 224

8.4.3  金融資產組合優化問題解決方案（通用） 226

8.5  本章小結 227

8.6  思考題 228

第9章  金融量化回測框架Backtrader實戰應用 229

9.1  Backtrader框架簡介 229

9.1.1  Backtrader框架的優勢與特點 229

9.1.2  Backtrader回測框架的工作流程 230

9.2  Backtrader框架的數據準備 230

9.2.1  數據準備註意事項 230

9.2.2  數據讀取函數 231

9.2.3  使用GenericCSVData函數讀取數據 231

9.2.4  使用PandasData函數讀取數據 235

9.2.5  同時加載多組數據 236

9.2.6  讀取非OHLC數據 238

9.2.7  使用resampledata函數進行數據重新採樣 241

9.3  Backtrader框架的指標 242

9.3.1  定義指標的核心要素 242

9.3.2  定義指標的步驟 243

9.3.3  定義指標示例 245

9.4  Backtrader框架的數據引用 249

9.4.1  加載數據的基礎引用 249

9.4.2  加載數據的切片引用 250

9.4.3  指標值的引用 250

9.4.4  數據引用綜合案例 251

9.5  Backtrader框架的自定義策略類 255

9.5.1  自定義策略類的核心問題 255

9.5.2  Backtrader策略類的內部生命周期函數 255

9.5.3  Backtrader策略類實例講解 256

9.6  Backtrader框架的觀察器應用 263

9.6.1  觀察器的核心用途 263

9.6.2  默認加載觀察器 263

9.6.3  加載內置的觀察器 264

9.6.4  加載自定義觀察器 266

9.7  Backtrader框架的分析器應用 268

9.7.1  分析器與觀察器的關系 268

9.7.2  分析器之交易記錄——Transactions類 268

9.7.3  分析器之交易記錄——TradeAnalyzer類 271

9.8  本章小結 272

9.9  思考題 272

Python金融量化分析

目錄

·X·

·IX·