量化投资：以Python为工具PDF,TXT迅雷下载,磁力链接,网盘下载 -4567网

量化投资：以Python为工具PDF,TXT迅雷下载,磁力链接,网盘下载

分类:经管发布时间：2017-06-01

编辑推荐

指导读者：
迅速掌握用Python 语言处理数据的方法；
灵活运用Python 解决实际金融问题；
掌握量化投资所需的理论知识；
领会如何在Python 语言中构建量化投资策略。

内容简介

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；*后讲述如何在Python 语言中构建量化投资策略。

作者简介

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。

目　　录

目录

第1 章Python 简介与安装使用 2
1．1 Python 概述 2
1．2 Python 的安装3
1．2．1 下载安装Python 执行文件3
1．2．2 下载安装Anaconda 4
1．2．3 多种Python 版本并存6
1．3 Python 的简单使用7
1．4 交互对话环境IPython 8
1．4．1 IPython 的安装8
1．4．2 IPython 的使用9
1．4．3 IPython 功能介绍10

目录 
第1 部分Python 入门 1 第1 章Python 简介与安装使用 2 1．1 Python 概述  2 1．2 Python 的安装3 1．2．1 下载安装Python 执行文件3 1．2．2 下载安装Anaconda 4 1．2．3 多种Python 版本并存6 1．3 Python 的简单使用7 1．4 交互对话环境IPython 8 1．4．1 IPython 的安装8 1．4．2 IPython 的使用9 1．4．3 IPython 功能介绍10 
第2 章Python 代码的编写与执行 14 
2．1 创建Python 脚本文件15 
2．1．1 记事本15 
2．1．2 Python 默认的IDLE 环境15 
2．1．3 专门的程序编辑器15 2．2 执行．py 文件  17 2．2．1 IDLE 环境自动执行17 2．2．2 在控制台cmd 中执行18 2．2．3 在AnnacondaPrompt 中执行19 2．3 Python 编程小技巧20 2．3．1 Python 行20 2．3．2 Python 缩进21 
第3 章Python 对象类型初探 23 
3．1 Python 对象  23 
3．2 变量命名规则24 3．3 数值类型  25 3．3．1 整数  25 3．3．2 浮点数26 3．3．3 布尔类型26 3．3．4 复数  27 3．4 字符串  28 3．5 列表  29 3．6 可变与不可变30 3．7 元组  32 3．8 字典  33 3．9 集合  33 
第4 章Python 集成开发环境：Spyder 介绍 36 4．1 代码编辑器  37 4．2 代码执行Console 39 4．3 变量查看与编辑40 4．4 当前工作路径与文件管理41 4．5 帮助文档与在线帮助42 4．6 其他功能  43 
第5 章Python 运算符与使用 44 5．1 常用运算符  44 5．1．1 算术运算符45 5．1．2 赋值运算符46 5．1．3 比较运算符47 5．1．4 逻辑运算符48 5．1．5 身份运算符49 5．1．6 成员运算符51 5．1．7 运算符的优先级52 5．2 具有运算功能的内置函数52 
第6 章Python 常用语句 55 6．1 赋值语句  55 6．1．1 赋值含义与简单赋值55 6．1．2 多重赋值57 6．1．3 多元赋值58 6．1．4 增强赋值58 6．2 条件语句  59 6．3 循环语句  60 6．3．1 for 循环60 6．3．2 while 循环61 6．3．3 嵌套循环62 6．3．4 break、continue 等语句62 
第7 章函数 66 7．1 函数的定义与调用66 7．2 函数的参数  68 7．3 匿名函数  71 7．4 作用域  72 
第8 章面向对象75 8．1 类  75 8．2 封装  77 8．3 继承（Inheritance） 79 
第9 章Python 标准库与数据操作 82 9．1 模块、包和库82 9．1．1 模块  82 9．1．2 包  84 9．1．3 库  85 9．2 Python 标准库介绍85 9．3 Python 内置数据类型与操作91 9．3．1 序列类型数据操作91 9．3．1．1list 类型与操作91 9．3．1．2tuple 类型与操作95 9．3．1．3range 类型与操作97 9．3．1．4字符串操作98 9．3．2 字典类型操作103 9．3．3 集合操作106 
第10 章常用第三方库：Numpy 库与多维数组 111 10．1 NumPy 库  111 10．2 创建数组  111 10．3 数组元素索引与切片115 10．4 数组运算  118 
第11 章常用第三方库：Pandas 与数据处理 120 11．1 Series 类型数据120 11．1．1 Series 对象的创建120 11．1．2 Series 对象的元素提取与切片122 11．1．2．1调用方法提取元素122 11．1．2．2利用位置或标签提取元素与切片123 11．1．3 时间序列124 11．2 DataFrame 类型数据128 11．2．1 创建DataFrame 对象128 11．2．2 查看DataFrame 对象130 11．2．3 DataFrame 对象的索引与切片131 11．2．4 DataFrame 的操作135 11．2．5 DataFrame 的运算139 11．3 数据规整化  142 11．3．1 缺失值的处理142 11．3．1．1缺失值的判断142 11．3．1．2选出不是缺失值的数据143 11．3．2 缺失值的填充143 11．3．3 缺失值的选择删除145 11．3．4 删除重复数据146 
第12 章常用第三方库：Matplotlib 库与数据可视化 149 12．1 Matplotlib 简介149 12．2 修改图像属性152 12．2．1 坐标  152 12．2．1．1更改坐标轴范围152 12．2．1．2设定坐标标签与显示角度153 12．2．2 添加文本155 12．2．2．1添加标题155 12．2．2．2中文显示问题157 12．2．2．3设定坐标轴标签159 12．2．2．4增加图形背景grid 160 12．2．2．5增加图例161 12．2．3 多种线条属性162 12．2．3．1线条的类型162 12．2．3．2图形的颜色163 12．2．3．3点的形状类型164 12．2．3．4线条宽度166 12．3 常见图形的绘制167 12．3．1 柱状图（Bar charts） 167 12．3．2 直方图170 12．3．3 饼图  172 12．3．4 箱线图172 12．4 Figure、Axes 对象与多图绘制173 12．4．1 Figure、Axes 对象174 12．4．2 多图绘制176 12．4．2．1多个子图绘制176 12．4．2．2一个图中多条曲线绘制178 第2 部分统计学基础 180 
第13 章描述性统计 181 13．1 数据类型  182 13．2 图表  182 13．2．1 频数分布表182 13．2．2 直方图183 13．3 数据的位置  184 13．4 数据的离散度186 
第14 章随机变量简介 190 14．1 概率与概率分布190 14．1．1 离散型随机变量190 14．1．2 连续型随机变量192 14．2 期望值与方差193 14．3 二项分布  194 14．4 正态分布  197 14．5 其他连续分布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 变量的关系  202 14．6．1 联合概率分布202 14．6．2 变量的独立性203 14．6．3 变量的相关性203 14．6．4 上证综指与深证综指的相关性分析205 
第15 章推断统计 208 15．1 参数估计  208 15．1．1 点估计209 15．1．2 区间估计209 15．2 案例分析  212 15．3 假设检验  213 15．3．1 两类错误214 15．3．2 显著性水平与p 值215 15．3．3 确定小概率事件215 15．4 t 检验  216 15．4．1 单样本t 检验216 15．4．2 独立样本t 检验217 15．4．3 配对样本t 统计量的构造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 离差平方和223 16．2．2 自由度224 16．2．3 显著性检验225 16．3 方差分析之Python 实现226 16．3．1 单因素方差分析227 16．3．2 多因素方差分析228 16．3．3 析因方差分析228 
第17 章回归分析 231 17．1 一元线性回归模型231 17．1．1 一元线性回归模型231 17．1．2 最小平方法232 17．2 模型拟合度  233 17．3 古典假设条件下^_、^ _ 之统计性质234 17．4 显著性检验  235 17．5 上证综指与深证成指的回归分析与Python 实践236 17．5．1 Python 拟合回归函数236 17．5．2 绘制回归诊断图238 17．6 多元线性回归模型240 17．7 多元线性回归案例分析241 17．7．1 价格水平对GDP 的影响241 17．7．2 考量自变量共线性因素的新模型243 第3 部分金融理论、投资组合与量化选股246 
第18 章资产收益率和风险 247 18．1 单期与多期简单收益率248 18．1．1 单期简单收益率248 18．1．2 多期简单收益率249 18．1．3 Python 函数计算简单收益率252 18．1．4 单期与多期简单收益率的关系252 18．1．5 年化收益率254 18．1．6 考虑股利分红的简单收益率256 18．2 连续复利收益率259 18．2．1 多期连续复利收益率260 18．2．2 单期与多期连续复利收益率的关系262 18．3 绘制收益图  263 18．4 资产风险的来源264 18．4．1 市场风险264 18．4．2 利率风险264 18．4．3 汇率风险265 18．4．4 流动性风险265 18．4．5 信用风险265 18．4．6 通货膨胀风险266 18．4．7 营运风险266 18．5 资产风险的测度266 18．5．1 方差  266 18．5．2 下行风险268 18．5．3 风险价值269 18．5．4 期望亏空271 18．5．5 最大回撤271 
第19 章投资组合理论及其拓展 276 19．1 投资组合的收益率与风险276 19．2 Markowitz 均值-方差模型280 19．3 Markowitz 模型之Python 实现285 19．4 Black-Litterman 模型289 
第20 章资本资产定价模型（CAPM） 298 20．1 资本资产定价模型的核心思想298 20．2 CAPM 模型的应用299 20．3 Python 计算单资产CAPM 实例301 20．4 CAPM 模型的评价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 实现310 21．3 三因子模型的评价315 第4 部分时间序列简介与配对交易 317 
第22 章时间序列基本概念 318 22．1 认识时间序列318 22．2 Python 中的时间序列数据320 22．3 选取特定日期的时间序列数据321 22．4 时间序列数据描述性统计323 
第23 章时间序列的基本性质 326 23．1 自相关性  326 23．1．1 自协方差327 23．1．2 自相关系数327 23．1．3 偏自相关系数327 23．1．4 acf( ) 函数与pacf( ) 函数328 23．1．5 上证综指的收益率指数的自相关性判断328 23．2 平稳性  331 23．2．1 强平稳331 23．2．2 弱平稳332 23．2．3 强平稳与弱平稳的区别332 23．3 上证综指的平稳性检验333 23．3．1 观察时间序列图333 23．3．2 观察序列的自相关图和偏自相关图333 23．3．3 单位根检验336 23．4 白噪声  340 23．4．1 白噪声340 23．4．2 白噪声检验――Ljung-Box 检验341 23．4．3 上证综合指数的白噪声检验343 
第24 章时间序列预测 345 24．1 移动平均预测345 24．1．1 简单移动平均345 24．1．2 加权移动平均346 24．1．3 指数加权移动平均346 24．2 ARMA 模型预测347 24．2．1 自回归模型348 24．2．2 移动平均模型350 24．3 自回归移动平均模型350 24．4 ARMA 模型的建模过程351 24．5 CPI 数据的ARMA 短期预测351 24．5．1 序列识别351 24．5．2 模型识别与估计354 24．5．3 模型诊断356 24．5．4 运用模型进行预测359 24．6 股票收益率的平稳时间序列建模359 
第25 章GARCH 模型 364 25．1 资产收益率的波动率与ARCH 效应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 效应检验368 25．4 GARCH 模型构建370 
第26 章配对交易策略 372 26．1 什么是配对交易372 26．2 配对交易的思想373 26．3 配对交易的步骤374 26．3．1 股票对的选择374 26．3．2 配对交易策略的制定383 26．4 构建PairTrading 类387 26．5 Python 实测配对交易交易策略391 第5 部分技术指标与量化投资399 
第27 章K 线图 400 27．1 K 线图简介  400 27．2 Python 绘制上证综指K 线图403 27．3 Python 捕捉K 线图的形态405 27．3．1 Python 捕捉“早晨之星” 406 27．3．2 Python 语言捕捉“乌云盖顶”形态410 
第28 章动量交易策略 416 28．1 动量概念介绍416 28．2 动量效应产生的原因416 28．3 价格动量的计算公式417 28．3．1 作差法求动量值417 28．3．2 做除法求动量值418 28．4 编写动量函数momentum( ) 420 28．5 万科股票2015 年走势及35 日动量线420 28．6 动量交易策略的一般思路423 
第29 章RSI 相对强弱指标 429 29．1 RSI 基本概念429 29．2 Python 计算RSI 值429 29．3 Python 编写rsi( ) 函数434 29．4 RSI 天数的差异435 29．5 RSI 指标判断股票超买和超卖状态436 29．6 RSI 的“黄金交叉”与“死亡交叉” 437 29．7 交通银行股票RSI 指标交易实测438 29．7．1 RSI 捕捉交通银行股票买卖点438 29．7．2 RSI 交易策略执行及回测440 
第30 章均线系统策略 446 30．1 简单移动平均446 30．1．1 简单移动平均数446 30．1．2 简单移动平均函数448 30．1．3 期数选择449 30．2 加权移动平均449 30．2．1 加权移动平均数449 30．2．2 加权移动平均函数451 30．3 指数加权移动平均452 30．3．1 指数加权移动平均数452 30．3．2 指数加权移动平均函数454 30．4 创建movingAverage 模组454 30．5 常用平均方法的比较455 30．6 中国银行股价数据与均线分析456 30．7 均线时间跨度458 30．8 中国银行股票均线系统交易459 30．8．1 简单移动平均线制定中国银行股票的买卖点459 30．8．2 双均线交叉捕捉中国银行股票的买卖点462 30．9 异同移动平均线（MACD） 464 30．9．1 MACD 的求值过程464 30．9．2 异同均线（MACD）捕捉中国银行股票的买卖点466 30．10 多种均线指标综合运用模拟实测468 
第31 章通道突破策略 473 31．1 通道突破简介473 31．2 唐奇安通道  473 31．2．1 唐奇安通道刻画473 31．2．2 Python 捕捉唐奇安通道突破476 31．3 布林带通道  478 31．4 布林带通道与市场风险481 31．5 通道突破交易策略的制定484 31．5．1 一般布林带上下通道突破策略484 31．5．2 特殊布林带通道突破策略485 
第32 章随机指标交易策略 489 32．1 什么是随机指标（KDJ） 489 32．2 随机指标的原理489 32．3 KDJ 指标的计算公式490 32．3．1 未成熟随机指标RSV 490 32．3．2 K、D 指标计算495 32．3．3 J 指标计算497 32．3．4 KDJ 指标简要分析498 32．4 KDJ 指标的交易策略499 32．5 KDJ 指标交易实测499 32．5．1 KD 指标交易策略499 32．5．2 KDJ 指标交易策略503 32．5．3 K 线、D 线“金叉”与“死叉” 504 
第33 章量价关系分析 509 33．1 量价关系概述509 33．2 量价关系分析509 33．2．1 价涨量增510 33．2．2 价涨量平512 33．2．3 价涨量缩512 33．2．4 价平量增513 33．2．5 价平量缩514 33．2．6 价跌量增514 33．2．7 价跌量平515 33．2．8 价跌量缩515 33．3 不同价格段位的成交量516 33．4 成交量与均线思想结合制定交易策略518 
第34 章OBV 指标交易策略 524 34．1 OBV 指标概念524 34．2 OBV 指标计算方法524 34．3 OBV 指标的理论依据527 34．4 OBV 指标的交易策略制定527 34．5 OBV 指标交易策略的Python 实测528 34．6 OBV 指标的应用原则530

显示全部信息

前　　言

序言
　　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。
　　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）。
　　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？

<div>序言 　　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。 　　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）。</div>
<div></div>
<div>      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。 　　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？ 　　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。 　　本书旨在对量化投资做广泛与初步的介绍，希望能引领读者进入这个引人入胜的学术与实务领域。囿于笔者的学养见识，书中内容或有疏漏谬误之处，尚祈先进专家能不吝指正。最后，谨以此书表达对热血投资大众的献曝之忱。若读者需要书中的习题解答、代码、数据、勘误补充及量化相关资讯，可发邮件至service@baoquant.com 索取，来信请在邮件标题中写明书名：《量化投资：以Python 为工具》。</div>

显示全部信息

标签: 量化投资 Python 工具

量化投资：以Python为工具PDF,TXT迅雷下载,磁力链接,网盘下载

点评

同类产品

最近更新

热门文章