用Python做股票量化分析 量化交易之路【2025|PDF|Epub|mobi|kindle电子书版本百度云盘下载】

用Python做股票量化分析 量化交易之路PDF格式电子书版下载

注意：本站所有压缩包均有解压码： 点击下载压缩包解压工具

第1部分 对量化交易的正确认识2

第1章 量化引言2

1.1 什么是量化交易2

1.2 量化交易：投资？投机？赌博？3

1.3 量化交易的优势4

1.3.1 避免短线频繁交易4

1.3.2 避免逆势操作5

1.3.3 避免重仓交易5

1.3.4 避免对胜率的盲目追求6

1.3.5 确保交易策略的执行6

1.3.6 独立交易及对结果负责的信念6

1.3.7 从历史验证交易策略是否可行7

1.3.8 寻找交易策略的最优参数7

1.3.9 减少无意义的工作及干扰7

1.4 量化交易的正确认识8

1.4.1 不要因循守旧，认为量化交易是邪门歪道8

1.4.2 不要异想天开，认为量化交易有神奇的魔法8

1.4.3 不要抱有不劳而获的幻想9

1.4.4 不要盲目追求量化策略的复杂性9

1.4.5 认清市场，认清自己，知己知彼，百战不殆10

1.5 量化交易的目的11

第2部分 量化交易的基础14

第2章 量化语言——Python14

2.1 基础语法与数据结构15

2.1.1 基本类型和语法15

2.1.2 字符串和容器17

2.2 函数20

2.2.1 函数的使用和定义20

2.2.2 lambda函数21

2.2.3 高阶函数22

2.2.4 偏函数25

2.3 面向对象25

2.3.1 类的封装26

2.3.2 继承和多态30

2.3.3 静态方法、类方法与属性34

2.4 性能效率38

2.4.1 itertools的使用38

2.4.2 多进程VS多线程41

2.4.3 使用编译库提高性能43

2.5 代码调试45

2.6 本章小结48

第3章 量化工具——NumPy49

3.1 并行化思想与基础操作49

3.1.1 并行化思想49

3.1.2 初始化操作50

3.1.3 索引选取和切片选择51

3.1.4 数据转换与规整52

3.1.5 逻辑条件进行数据筛选53

3.1.6 通用序列函数54

3.1.7 数据本地序列化操作57

3.2 基础统计概念与函数使用57

32.1 基础统计函数的使用57

3.2.2 基础统计概念60

3.3 正态分布62

3.3.1 正态分布基础概念62

3.3.2 实例1：正态分布买入策略64

3.4 伯努利分布66

3.4.1 伯努利分布基础概念67

3.4.2 实例2：如何在交易中获取优势67

3.5 本章小结71

第4章 量化工具——pandas72

4.1 基本操作方法72

4.1.1 DataFrame构建及方法72

4.1.2 索引行列序列73

4.1.3 金融时间序列74

4.1.4 Series构建及方法75

4.1.5 重采样数据76

4.2 基本数据分析示例78

4.2.1 总览分析数据79

4.2.2 索引选取和切片选择80

4.2.3 逻辑条件进行数据筛选82

4.2.4 数据转换与规整84

4.2.5 数据本地序列化操作86

4.3 实例1：寻找股票异动涨跌幅阀值87

4.3.1 数据的离散化88

4.3.2 concat、 append和merge的使用89

4.4 实例2：星期几是这个股票的“好日子”91

4.4.1 构建交叉表92

4.4.2 构建透视表94

4.5 实例3：跳空缺口95

4.6 pandas三维面板的使用98

4.7 本章小结101

第5章 量化工具——可视化102

5.1 使用Matplotlib可视化数据102

5.1.1 Matplotlib可视化基础102

5.1.2 Matplotlib子画布及loc的使用104

5.1.3 K线图的绘制105

5.2 使用Bokeh交互可视化106

5.3 使用pandas可视化数据107

5.3.1 绘制股票的收益及收益波动情况107

5.3.2 绘制股票的价格与均线109

5.3.3 其他pandas统计图形种类110

5.4 使用Seaborn可视化数据112

5.5 实例1：可视化量化策略的交易区间及卖出原因115

5.6 实例2：标准化两个股票的观察周期120

5.7 实例3：黄金分割线124

5.7.1 黄金分割线的定义方式124

5.7.2 多维数据绘制示例127

5.8 技术指标的可视化130

5.8.1 MACD指标的可视化131

5.8.2 ATR指标的可视化132

5.9 本章小结133

第6章 量化工具——数学134

6.1 回归与插值134

6.1.1 线性回归135

6.1.2 多项式回归137

6.1.3 插值138

6.2 蒙特卡罗方法与凸优化139

6.2.1 你一生的追求到底能带来多少幸福140

6.2.2 使用蒙特卡罗方法计算怎样度过一生最幸福149

6.2.3 凸优化基础概念152

6.2.4 全局求解怎样度过一生最幸福153

6.2.5 非凸函数计算怎样度过一生最幸福154

6.2.6 标准凸函数求最优157

6.3 线性代数159

6.3.1 矩阵基础知识160

6.3.2 特征值和特征向量162

6.3.3 PCA和SVD理论知识163

6.3.4 PCA和SVD使用实例164

6.4 本章小结168

第3部分 量化交易系统的开发170

第7章 量化系统——入门170

7.1 趋势跟踪与均值回复170

7.1.1 趋势跟踪和均值回复的周期重叠性171

7.1.2 实例1：均值回复策略176

7.1.3 实例2：趋势跟踪策略184

7.2 仓位控制管理188

7.2.1 凯利公式189

7.2.2 一只股票的时间简史190

7.2.3 三只小猪股票投资的故事195

7.3 本章小结202

第8章 量化系统——开发203

8.1 abu量化系统择时204

8.1.1 买入因子的实现204

8.1.2 卖出因子的实现210

8.1.3 滑点买入、卖出价格确定及策略实现221

8.1.4 多只股票使用相同的因子进行择时226

8.1.5 自定义仓位管理策略的实现229

8.1.6 多只股票使用不同的因子进行择时230

8.1.7 使用并行来提升择时的运行效率231

8.2 abu量化系统选股234

8.2.1 选股因子的实现234

8.2.2 多个选股因子并行执行240

8.2.3 使用并行来提升选股的运行效率241

8.3 本章小结242

第9章 量化系统——度量与优化243

9.1 度量的基本使用方法243

9.2 度量的基础247

9.2.1 度量的基础概念247

9.2.2 度量的可视化250

9.3 基于Grid Search寻找因子最优参数253

9.3.1 参数取值范围253

9.3.2 参数进行排列组合254

9.3.3 Grid Search寻找最优参数255

9.3.4 度量结果的评分258

9.3.5 不同权重的评分262

9.4 资金限制对度量的影响266

9.5 输入中文自动生成交易策略272

9.6 本章小结276

第4部分 机器学习在量化交易中的实战278

第10章 量化系统——机器学习·猪老三278

10.1 机器学习基础概念278

10.1.1 小红帽识别毒蘑菇278

10.1.2 3种机器学习问题281

10.2 猪老三世界中的量化环境282

10.3 有监督机器学习286

10.3.1 猪老三使用回归预测股价288

10.3.2 猪老三使用分类预测股票涨跌294

10.3.3 通过决策树分类，绘制出决策图297

10.4 无监督机器学习299

10.4.1 使用降维可视化数据299

10.4.2 猪老三使用聚类算法提高正确率301

10.5 梦醒时分303

10.5.1 回测中生成特征/切分训练测试集/成交买单快照304

10.5.2 基于特征的交易预测309

10.5.3 基于深度学习的交易预测312

10.5.4 预测市场的混沌316

10.6 本章小结317

第11章 量化系统——机器学习.abu318

11.1 搜索引擎与量化交易319

11.2 主裁321

11.2.1 角度主裁322

11.2.2 使用全局最优对分类簇集合进行筛选331

11.2.3 跳空主裁334

11.2.4 价格主裁338

11.2.5 波动主裁341

11.2.6 验证主裁是否称职345

11.2.7 在abu系统中开启主裁拦截模式348

11.3 边裁351

11.3.1 角度边裁352

11.3.2 价格边裁354

11.3.3 波动边裁354

11.3.4 综合边裁355

11.3.5 验证边裁是否称职355

11.3.6 在abu系统中开启边裁拦截模式359

11.4 一定要赢得这场胜利，即使一切都不存在360

11.5 本章小结361

附录A量化环境部署362

附录B量化相关性分析381

附录C量化统计分析及指标应用388