此部分為隱藏內(nèi)容，請(qǐng)輸入驗(yàn)證碼后查看
掃描右側(cè)圖片或微信搜索 “ Java技術(shù)分享屋 ” ，回復(fù) “ 驗(yàn)證碼 ” ，獲取驗(yàn)證密碼。
本資料僅供讀者預(yù)覽及學(xué)習(xí)交流使用，不能用于商業(yè)用途，請(qǐng)?jiān)谙螺d后24小時(shí)內(nèi)刪除。如果喜歡，請(qǐng)購(gòu)買正版！
一.資料圖片
二.資料簡(jiǎn)介
《量化投資：以Python為工具》主要講解量化投資的思想和策略，并借助Python 語(yǔ)言進(jìn)行實(shí)戰(zhàn)。《量化投資：以Python為工具》一共分為5 部分，第1 部分是Python 入門，第2 部分是統(tǒng)計(jì)學(xué)基礎(chǔ)，第3 部分是金融理論、投資組合與量化選股，第4 部分是時(shí)間序列簡(jiǎn)介與配對(duì)交易，第5 部分是技術(shù)指標(biāo)與量化投資?！读炕顿Y：以Python為工具》首先對(duì)Python 編程語(yǔ)言進(jìn)行介紹，通過(guò)學(xué)習(xí)，讀者可以迅速掌握用Python 語(yǔ)言處理數(shù)據(jù)的方法，并靈活運(yùn)用Python 解決實(shí)際金融問(wèn)題；其次，向讀者介紹量化投資的理論知識(shí)，主要講解量化投資所需的數(shù)量基礎(chǔ)和類型等方面；最后講述如何在Python 語(yǔ)言中構(gòu)建量化投資策略。
三.資料目錄
第1 部分Python 入門 1
第1 章Python 簡(jiǎn)介與安裝使用 2
1.1 Python 概述 2
1.2 Python 的安裝 3
1.2.1 下載安裝Python 執(zhí)行文件 3
1.2.2 下載安裝Anaconda 4
1.2.3 多種Python 版本并存 6
1.3 Python 的簡(jiǎn)單使用 7
1.4 交互對(duì)話環(huán)境IPython 8
1.4.1 IPython 的安裝 8
1.4.2 IPython 的使用 9
1.4.3 IPython 功能介紹 10
第2 章Python 代碼的編寫與執(zhí)行 14
2.1 創(chuàng)建Python 腳本文件 15
2.1.1 記事本 15
2.1.2 Python 默認(rèn)的IDLE 環(huán)境 15
2.1.3 專門的程序編輯器 15
2.2 執(zhí)行.py 文件 17
2.2.1 IDLE 環(huán)境自動(dòng)執(zhí)行 17
2.2.2 在控制臺(tái)cmd 中執(zhí)行 18
2.2.3 在Annaconda Prompt 中執(zhí)行 19
2.3 Python 編程小技巧 20
2.3.1 Python 行 20
2.3.2 Python 縮進(jìn) 21
第3 章Python 對(duì)象類型初探 23
3.1 Python 對(duì)象 23
3.2 變量命名規(guī)則 24
3.3 數(shù)值類型 25
3.3.1 整數(shù) 25
3.3.2 浮點(diǎn)數(shù) 26
3.3.3 布爾類型 26
3.3.4 復(fù)數(shù) 27
3.4 字符串 28
3.5 列表 29
3.6 可變與不可變 30
3.7 元組 32
3.8 字典 33
3.9 集合 33
第4 章Python 集成開發(fā)環(huán)境：Spyder 介紹 36
4.1 代碼編輯器 37
4.2 代碼執(zhí)行Console 39
4.3 變量查看與編輯 40
4.4 當(dāng)前工作路徑與文件管理 41
4.5 幫助文檔與在線幫助 42
4.6 其他功能 43
第5 章Python 運(yùn)算符與使用 44
5.1 常用運(yùn)算符 44
5.1.1 算術(shù)運(yùn)算符 45
5.1.2 賦值運(yùn)算符 46
5.1.3 比較運(yùn)算符 47
5.1.4 邏輯運(yùn)算符 48
5.1.5 身份運(yùn)算符 49
5.1.6 成員運(yùn)算符 51
5.1.7 運(yùn)算符的優(yōu)先級(jí) 52
5.2 具有運(yùn)算功能的內(nèi)置函數(shù) 52
第6 章Python 常用語(yǔ)句 55
6.1 賦值語(yǔ)句 55
6.1.1 賦值含義與簡(jiǎn)單賦值 55
6.1.2 多重賦值 57
6.1.3 多元賦值 58
6.1.4 增強(qiáng)賦值 58
6.2 條件語(yǔ)句 59
6.3 循環(huán)語(yǔ)句 60
6.3.1 for 循環(huán) 60
6.3.2 while 循環(huán) 61
6.3.3 嵌套循環(huán) 62
6.3.4 break、continue 等語(yǔ)句 62
第7 章函數(shù) 66
7.1 函數(shù)的定義與調(diào)用 66
7.2 函數(shù)的參數(shù) 68
7.3 匿名函數(shù) 71
7.4 作用域 72
第8 章面向?qū)ο?5
8.1 類 75
8.2 封裝 77
8.3 繼承（Inheritance） 79
第9 章Python 標(biāo)準(zhǔn)庫(kù)與數(shù)據(jù)操作 82
9.1 模塊、包和庫(kù) 82
9.1.1 模塊 82
9.1.2 包 84
9.1.3 庫(kù) 85
9.2 Python 標(biāo)準(zhǔn)庫(kù)介紹 85
9.3 Python 內(nèi)置數(shù)據(jù)類型與操作 91
9.3.1 序列類型數(shù)據(jù)操作 91
9.3.1.1 list 類型與操作 91
9.3.1.2 tuple 類型與操作 95
9.3.1.3 range 類型與操作 97
9.3.1.4 字符串操作 98
9.3.2 字典類型操作 103
9.3.3 集合操作 106
第10 章常用第三方庫(kù)：Numpy 庫(kù)與多維數(shù)組 111
10.1 NumPy 庫(kù) 111
10.2 創(chuàng)建數(shù)組 111
10.3 數(shù)組元素索引與切片 115
10.4 數(shù)組運(yùn)算 118
第11 章常用第三方庫(kù)：Pandas 與數(shù)據(jù)處理 120
11.1 Series 類型數(shù)據(jù) 120
11.1.1 Series 對(duì)象的創(chuàng)建 120
11.1.2 Series 對(duì)象的元素提取與切片 122
11.1.2.1 調(diào)用方法提取元素 122
11.1.2.2 利用位置或標(biāo)簽提取元素與切片 123
11.1.3 時(shí)間序列 124
11.2 DataFrame 類型數(shù)據(jù) 128
11.2.1 創(chuàng)建DataFrame 對(duì)象 128
11.2.2 查看DataFrame 對(duì)象 130
11.2.3 DataFrame 對(duì)象的索引與切片 131
11.2.4 DataFrame 的操作 135
11.2.5 DataFrame 的運(yùn)算 139
11.3 數(shù)據(jù)規(guī)整化 142
11.3.1 缺失值的處理 142
11.3.1.1 缺失值的判斷 142
11.3.1.2 選出不是缺失值的數(shù)據(jù) 143
11.3.2 缺失值的填充 143
11.3.3 缺失值的選擇刪除 145
11.3.4 刪除重復(fù)數(shù)據(jù) 146
第12 章常用第三方庫(kù)：Matplotlib 庫(kù)與數(shù)據(jù)可視化 149
12.1 Matplotlib 簡(jiǎn)介 149
12.2 修改圖像屬性 152
12.2.1 坐標(biāo) 152
12.2.1.1 更改坐標(biāo)軸范圍 152
12.2.1.2 設(shè)定坐標(biāo)標(biāo)簽與顯示角度 153
12.2.2 添加文本 155
12.2.2.1 添加標(biāo)題 155
12.2.2.2 中文顯示問(wèn)題 157
12.2.2.3 設(shè)定坐標(biāo)軸標(biāo)簽 159
12.2.2.4 增加圖形背景grid 160
12.2.2.5 增加圖例 161
12.2.3 多種線條屬性 162
12.2.3.1 線條的類型 162
12.2.3.2 圖形的顏色 163
12.2.3.3 點(diǎn)的形狀類型 164
12.2.3.4 線條寬度 166
12.3 常見圖形的繪制 167
12.3.1 柱狀圖（Bar charts） 167
12.3.2 直方圖 170
12.3.3 餅圖 172
12.3.4 箱線圖 172
12.4 Figure、Axes 對(duì)象與多圖繪制 173
12.4.1 Figure、Axes 對(duì)象 174
12.4.2 多圖繪制 176
12.4.2.1 多個(gè)子圖繪制 176
12.4.2.2 一個(gè)圖中多條曲線繪制 178
第2 部分統(tǒng)計(jì)學(xué)基礎(chǔ) 180
第13 章描述性統(tǒng)計(jì) 181
13.1 數(shù)據(jù)類型 182
13.2 圖表 182
13.2.1 頻數(shù)分布表 182
13.2.2 直方圖 183
13.3 數(shù)據(jù)的位置 184
13.4 數(shù)據(jù)的離散度 186
第14 章隨機(jī)變量簡(jiǎn)介 190
14.1 概率與概率分布 190
14.1.1 離散型隨機(jī)變量 190
14.1.2 連續(xù)型隨機(jī)變量 192
14.2 期望值與方差 193
14.3 二項(xiàng)分布 194
14.4 正態(tài)分布 197
14.5 其他連續(xù)分布 199
14.5.1 卡方分布 199
14.5.2 t 分布 199
14.5.3 F 分布 200
14.6 變量的關(guān)系 202
14.6.1 聯(lián)合概率分布 202
14.6.2 變量的獨(dú)立性 203
14.6.3 變量的相關(guān)性 203
14.6.4 上證綜指與深證綜指的相關(guān)性分析 205
第15 章推斷統(tǒng)計(jì) 208
15.1 參數(shù)估計(jì) 208
15.1.1 點(diǎn)估計(jì) 209
15.1.2 區(qū)間估計(jì) 209
15.2 案例分析 212
15.3 假設(shè)檢驗(yàn) 213
15.3.1 兩類錯(cuò)誤 214
15.3.2 顯著性水平與p 值 215
15.3.3 確定小概率事件 215
15.4 t 檢驗(yàn) 216
15.4.1 單樣本t 檢驗(yàn) 216
15.4.2 獨(dú)立樣本t 檢驗(yàn) 217
15.4.3 配對(duì)樣本t 統(tǒng)計(jì)量的構(gòu)造 218
第16 章方差分析 221
16.1 方差分析之思想 221
16.2 方差分析之原理 222
16.2.1 離差平方和 223
16.2.2 自由度 224
16.2.3 顯著性檢驗(yàn) 225
16.3 方差分析之Python 實(shí)現(xiàn) 226
16.3.1 單因素方差分析 227
16.3.2 多因素方差分析 228
16.3.3 析因方差分析 228
第17 章回歸分析 231
17.1 一元線性回歸模型 231
17.1.1 一元線性回歸模型 231
17.1.2 最小平方法 232
17.2 模型擬合度 233
17.3 古典假設(shè)條件下^_、^ _ 之統(tǒng)計(jì)性質(zhì) 234
17.4 顯著性檢驗(yàn) 235
17.5 上證綜指與深證成指的回歸分析與Python 實(shí)踐 236
17.5.1 Python 擬合回歸函數(shù) 236
17.5.2 繪制回歸診斷圖 238
17.6 多元線性回歸模型 240
17.7 多元線性回歸案例分析 241
17.7.1 價(jià)格水平對(duì)GDP 的影響 241
17.7.2 考量自變量共線性因素的新模型 243
第3 部分金融理論、投資組合與量化選股246
第18 章資產(chǎn)收益率和風(fēng)險(xiǎn) 247
18.1 單期與多期簡(jiǎn)單收益率 248
18.1.1 單期簡(jiǎn)單收益率 248
18.1.2 多期簡(jiǎn)單收益率 249
18.1.3 Python 函數(shù)計(jì)算簡(jiǎn)單收益率 252
18.1.4 單期與多期簡(jiǎn)單收益率的關(guān)系 252
18.1.5 年化收益率 254
18.1.6 考慮股利分紅的簡(jiǎn)單收益率 256
18.2 連續(xù)復(fù)利收益率 259
18.2.1 多期連續(xù)復(fù)利收益率 260
18.2.2 單期與多期連續(xù)復(fù)利收益率的關(guān)系 262
18.3 繪制收益圖 263
18.4 資產(chǎn)風(fēng)險(xiǎn)的來(lái)源 264
18.4.1 市場(chǎng)風(fēng)險(xiǎn) 264
18.4.2 利率風(fēng)險(xiǎn) 264
18.4.3 匯率風(fēng)險(xiǎn) 265
18.4.4 流動(dòng)性風(fēng)險(xiǎn) 265
18.4.5 信用風(fēng)險(xiǎn) 265
18.4.6 通貨膨脹風(fēng)險(xiǎn) 266
18.4.7 營(yíng)運(yùn)風(fēng)險(xiǎn) 266
18.5 資產(chǎn)風(fēng)險(xiǎn)的測(cè)度 266
18.5.1 方差 266
18.5.2 下行風(fēng)險(xiǎn) 268
18.5.3 風(fēng)險(xiǎn)價(jià)值 269
18.5.4 期望虧空 271
18.5.5 最大回撤 271
第19 章投資組合理論及其拓展 276
19.1 投資組合的收益率與風(fēng)險(xiǎn) 276
19.2 Markowitz 均值-方差模型 280
19.3 Markowitz 模型之Python 實(shí)現(xiàn) 285
19.4 Black-Litterman 模型 289
第20 章資本資產(chǎn)定價(jià)模型（CAPM） 298
20.1 資本資產(chǎn)定價(jià)模型的核心思想 298
20.2 CAPM 模型的應(yīng)用 299
20.3 Python 計(jì)算單資產(chǎn)CAPM 實(shí)例 301
20.4 CAPM 模型的評(píng)價(jià) 305
第21 章Fama-French 三因子模型 308
21.1 Fama-French 三因子模型的基本思想 308
21.2 三因子模型之Python 實(shí)現(xiàn) 310
21.3 三因子模型的評(píng)價(jià) 315
第4 部分時(shí)間序列簡(jiǎn)介與配對(duì)交易 317
第22 章時(shí)間序列基本概念 318
22.1 認(rèn)識(shí)時(shí)間序列 318
22.2 Python 中的時(shí)間序列數(shù)據(jù) 320
22.3 選取特定日期的時(shí)間序列數(shù)據(jù) 321
22.4 時(shí)間序列數(shù)據(jù)描述性統(tǒng)計(jì) 323
第23 章時(shí)間序列的基本性質(zhì) 326
23.1 自相關(guān)性 326
23.1.1 自協(xié)方差 327
23.1.2 自相關(guān)系數(shù) 327
23.1.3 偏自相關(guān)系數(shù) 327
23.1.4 acf( ) 函數(shù)與pacf( ) 函數(shù) 328
23.1.5 上證綜指的收益率指數(shù)的自相關(guān)性判斷 328
23.2 平穩(wěn)性 331
23.2.1 強(qiáng)平穩(wěn) 331
23.2.2 弱平穩(wěn) 332
23.2.3 強(qiáng)平穩(wěn)與弱平穩(wěn)的區(qū)別 332
23.3 上證綜指的平穩(wěn)性檢驗(yàn) 333
23.3.1 觀察時(shí)間序列圖 333
23.3.2 觀察序列的自相關(guān)圖和偏自相關(guān)圖 333
23.3.3 單位根檢驗(yàn) 336
23.4 白噪聲 340
23.4.1 白噪聲 340
23.4.2 白噪聲檢驗(yàn)——Ljung-Box 檢驗(yàn) 341
23.4.3 上證綜合指數(shù)的白噪聲檢驗(yàn) 343
第24 章時(shí)間序列預(yù)測(cè) 345
24.1 移動(dòng)平均預(yù)測(cè) 345
24.1.1 簡(jiǎn)單移動(dòng)平均 345
24.1.2 加權(quán)移動(dòng)平均 346
24.1.3 指數(shù)加權(quán)移動(dòng)平均 346
24.2 ARMA 模型預(yù)測(cè) 347
24.2.1 自回歸模型 348
24.2.2 移動(dòng)平均模型 350
24.3 自回歸移動(dòng)平均模型 350
24.4 ARMA 模型的建模過(guò)程 351
24.5 CPI 數(shù)據(jù)的ARMA 短期預(yù)測(cè) 351
24.5.1 序列識(shí)別 351
24.5.2 模型識(shí)別與估計(jì) 354
24.5.3 模型診斷 356
24.5.4 運(yùn)用模型進(jìn)行預(yù)測(cè) 359
24.6 股票收益率的平穩(wěn)時(shí)間序列建模 359
第25 章GARCH 模型 364
25.1 資產(chǎn)收益率的波動(dòng)率與ARCH 效應(yīng) 364
25.2 ARCH 模型和GARCH 模型 365
25.2.1 ARCH 模型 365
25.2.2 GARCH 模型 366
25.3 ARCH 效應(yīng)檢驗(yàn) 368
25.4 GARCH 模型構(gòu)建 370
第26 章配對(duì)交易策略 372
26.1 什么是配對(duì)交易 372
26.2 配對(duì)交易的思想 373
26.3 配對(duì)交易的步驟 374
26.3.1 股票對(duì)的選擇 374
26.3.2 配對(duì)交易策略的制定 383
26.4 構(gòu)建PairTrading 類 387
26.5 Python 實(shí)測(cè)配對(duì)交易交易策略 391
第5 部分技術(shù)指標(biāo)與量化投資399
第27 章K 線圖 400
27.1 K 線圖簡(jiǎn)介 400
27.2 Python 繪制上證綜指K 線圖 403
27.3 Python 捕捉K 線圖的形態(tài) 405
27.3.1 Python 捕捉“早晨之星” 406
27.3.2 Python 語(yǔ)言捕捉“烏云蓋頂”形態(tài) 410
第28 章動(dòng)量交易策略 416
28.1 動(dòng)量概念介紹 416
28.2 動(dòng)量效應(yīng)產(chǎn)生的原因 416
28.3 價(jià)格動(dòng)量的計(jì)算公式 417
28.3.1 作差法求動(dòng)量值 417
28.3.2 做除法求動(dòng)量值 418
28.4 編寫動(dòng)量函數(shù)momentum( ) 420
28.5 萬(wàn)科股票2015 年走勢(shì)及35 日動(dòng)量線 420
28.6 動(dòng)量交易策略的一般思路 423
第29 章RSI 相對(duì)強(qiáng)弱指標(biāo) 429
29.1 RSI 基本概念 429
29.2 Python 計(jì)算RSI 值 429
29.3 Python 編寫rsi( ) 函數(shù) 434
29.4 RSI 天數(shù)的差異 435
29.5 RSI 指標(biāo)判斷股票超買和超賣狀態(tài) 436
29.6 RSI 的“黃金交叉”與“死亡交叉” 437
29.7 交通銀行股票RSI 指標(biāo)交易實(shí)測(cè) 438
29.7.1 RSI 捕捉交通銀行股票買賣點(diǎn) 438
29.7.2 RSI 交易策略執(zhí)行及回測(cè) 440
第30 章均線系統(tǒng)策略 446
30.1 簡(jiǎn)單移動(dòng)平均 446
30.1.1 簡(jiǎn)單移動(dòng)平均數(shù) 446
30.1.2 簡(jiǎn)單移動(dòng)平均函數(shù) 448
30.1.3 期數(shù)選擇 449
30.2 加權(quán)移動(dòng)平均 449
30.2.1 加權(quán)移動(dòng)平均數(shù) 449
30.2.2 加權(quán)移動(dòng)平均函數(shù) 451
30.3 指數(shù)加權(quán)移動(dòng)平均 452
30.3.1 指數(shù)加權(quán)移動(dòng)平均數(shù) 452
30.3.2 指數(shù)加權(quán)移動(dòng)平均函數(shù) 454
30.4 創(chuàng)建movingAverage 模組 454
30.5 常用平均方法的比較 455
30.6 中國(guó)銀行股價(jià)數(shù)據(jù)與均線分析 456
30.7 均線時(shí)間跨度 458
30.8 中國(guó)銀行股票均線系統(tǒng)交易 459
30.8.1 簡(jiǎn)單移動(dòng)平均線制定中國(guó)銀行股票的買賣點(diǎn) 459
30.8.2 雙均線交叉捕捉中國(guó)銀行股票的買賣點(diǎn) 462
30.9 異同移動(dòng)平均線（MACD） 464
30.9.1 MACD 的求值過(guò)程 464
30.9.2 異同均線（MACD）捕捉中國(guó)銀行股票的買賣點(diǎn) 466
30.10 多種均線指標(biāo)綜合運(yùn)用模擬實(shí)測(cè) 468
第31 章通道突破策略 473
31.1 通道突破簡(jiǎn)介 473
31.2 唐奇安通道 473
31.2.1 唐奇安通道刻畫 473
31.2.2 Python 捕捉唐奇安通道突破 476
31.3 布林帶通道 478
31.4 布林帶通道與市場(chǎng)風(fēng)險(xiǎn) 481
31.5 通道突破交易策略的制定 484
31.5.1 一般布林帶上下通道突破策略 484
31.5.2 特殊布林帶通道突破策略 485
第32 章隨機(jī)指標(biāo)交易策略 489
32.1 什么是隨機(jī)指標(biāo)（KDJ） 489
32.2 隨機(jī)指標(biāo)的原理 489
32.3 KDJ 指標(biāo)的計(jì)算公式 490
32.3.1 未成熟隨機(jī)指標(biāo)RSV 490
32.3.2 K、D 指__________標(biāo)計(jì)算 495
32.3.3 J 指標(biāo)計(jì)算 497
32.3.4 KDJ 指標(biāo)簡(jiǎn)要分析 498
32.4 KDJ 指標(biāo)的交易策略 499
32.5 KDJ 指標(biāo)交易實(shí)測(cè) 499
32.5.1 KD 指標(biāo)交易策略 499
32.5.2 KDJ 指標(biāo)交易策略 503
32.5.3 K 線、D 線“金叉”與“死叉” 504
第33 章量?jī)r(jià)關(guān)系分析 509
33.1 量?jī)r(jià)關(guān)系概述 509
33.2 量?jī)r(jià)關(guān)系分析 509
33.2.1 價(jià)漲量增 510
33.2.2 價(jià)漲量平 512
33.2.3 價(jià)漲量縮 512
33.2.4 價(jià)平量增 513
33.2.5 價(jià)平量縮 514
33.2.6 價(jià)跌量增 514
33.2.7 價(jià)跌量平 515
33.2.8 價(jià)跌量縮 515
33.3 不同價(jià)格段位的成交量 516
33.4 成交量與均線思想結(jié)合制定交易策略 518
第34 章OBV 指標(biāo)交易策略 524
34.1 OBV 指標(biāo)概念 524
34.2 OBV 指標(biāo)計(jì)算方法 524
34.3 OBV 指標(biāo)的理論依據(jù) 527
34.4 OBV 指標(biāo)的交易策略制定 527
34.5 OBV 指標(biāo)交易策略的Python 實(shí)測(cè) 528
34.6 OBV 指標(biāo)的應(yīng)用原則 530