量化交易之路:用Python做股票量化分析电子书

前言

第1部分 对量化交易的正确认识

第1章 量化引言

1.1 什么是量化交易

1.2 量化交易：投资？投机？赌博？

1.3 量化交易的优势

1.3.1 避免短线频繁交易

1.3.2 避免逆势操作

1.3.3 避免重仓交易

1.3.4 避免对胜率的盲目追求

1.3.5 确保交易策略的执行

1.3.6 独立交易及对结果负责的信念

1.3.7 从历史验证交易策略是否可行

1.3.8 寻找交易策略的最优参数

1.3.9 减少无意义的工作及干扰

1.4 量化交易的正确认识

1.4.1 不要因循守旧，认为量化交易是邪门歪道

1.4.2 不要异想天开，认为量化交易有神奇的魔法

1.4.3 不要抱有不劳而获的幻想

1.4.4 不要盲目追求量化策略的复杂性

1.4.5 认清市场，认清自己，知己知彼，百战不殆

1.5 量化交易的目的

第2部分 量化交易的基础

第2章 量化语言——Python

2.1 基础语法与数据结构

2.1.1 基本类型和语法

2.1.2 字符串和容器

2.2 函数

2.2.1 函数的使用和定义

2.2.2 lambda函数

2.2.3 高阶函数

2.2.4 偏函数

2.3 面向对象

2.3.1 类的封装

2.3.2 继承和多态

2.3.3 静态方法、类方法与属性

2.4 性能效率

2.4.1 itertools的使用

2.4.2 多进程VS多线程

2.4.3 使用编译库提高性能

2.5 代码调试

2.6 本章小结

第3章 量化工具——NumPy

3.1 并行化思想与基础操作

3.1.1 并行化思想

3.1.2 初始化操作

3.1.3 索引选取和切片选择

3.1.4 数据转换与规整

3.1.5 逻辑条件进行数据筛选

3.1.6 通用序列函数

3.1.7 数据本地序列化操作

3.2 基础统计概念与函数使用

3.2.1 基础统计函数的使用

3.2.2 基础统计概念

3.3 正态分布

3.3.1 正态分布基础概念

3.3.2 实例1：正态分布买入策略

3.4 伯努利分布

3.4.1 伯努利分布基础概念

3.4.2 实例2：如何在交易中获取优势

3.5 本章小结

第4章 量化工具——pandas

4.1 基本操作方法

4.1.2 索引行列序列

4.1.3 金融时间序列

4.1.4 Series构建及方法

4.1.5 重采样数据

4.2 基本数据分析示例

4.2.1 总览分析数据

4.2.2 索引选取和切片选择

4.2.3 逻辑条件进行数据筛选

4.2.4 数据转换与规整

4.2.5 数据本地序列化操作

4.3 实例1：寻找股票异动涨跌幅阀值

4.3.1 数据的离散化

4.3.2 concat、append和merge的使用

4.4 实例2：星期几是这个股票的“好日子”

4.4.1 构建交叉表

4.4.2 构建透视表

4.5 实例3：跳空缺口

4.6 pandas三维面板的使用

4.7 本章小结

第5章 量化工具——可视化

5.1 使用Matplotlib可视化数据

5.1.1 Matplotlib可视化基础

5.1.2 Matplotlib子画布及loc的使用

5.1.3 K线图的绘制

5.2 使用Bokeh交互可视化

5.3 使用pandas可视化数据

5.3.1 绘制股票的收益及收益波动情况

5.3.2 绘制股票的价格与均线

5.3.3 其他pandas统计图形种类

5.4 使用Seaborn可视化数据

5.5 实例1：可视化量化策略的交易区间及卖出原因

5.6 实例2：标准化两个股票的观察周期

5.7 实例3：黄金分割线

5.7.1 黄金分割线的定义方式

5.7.2 多维数据绘制示例

5.8 技术指标的可视化

5.8.1 MACD指标的可视化

5.8.2 ATR指标的可视化

5.9 本章小结

第6章 量化工具——数学

6.1 回归与插值

6.1.1 线性回归

6.1.2 多项式回归

6.1.3 插值

6.2 蒙特卡罗方法与凸优化

6.2.1 你一生的追求到底能带来多少幸福

6.2.2 使用蒙特卡罗方法计算怎样度过一生最幸福

6.2.3 凸优化基础概念

6.2.4 全局求解怎样度过一生最幸福

6.2.5 非凸函数计算怎样度过一生最幸福

6.2.6 标准凸函数求最优

6.3 线性代数

6.3.1 矩阵基础知识

6.3.2 特征值和特征向量

6.3.3 PCA和SVD理论知识

6.3.4 PCA和SVD使用实例

6.4 本章小结

第3部分 量化交易系统的开发

第7章 量化系统——入门

7.1 趋势跟踪与均值回复

7.1.1 趋势跟踪和均值回复的周期重叠性

7.1.2 实例1：均值回复策略

7.1.3 实例2：趋势跟踪策略

7.2 仓位控制管理

7.2.1 凯利公式

7.2.2 一只股票的时间简史

7.2.3 三只小猪股票投资的故事

7.3 本章小结

第8章 量化系统——开发

8.1 abu量化系统择时

8.1.1 买入因子的实现

8.1.2 卖出因子的实现

8.1.3 滑点买入、卖出价格确定及策略实现

8.1.4 多只股票使用相同的因子进行择时

8.1.5 自定义仓位管理策略的实现

8.1.6 多只股票使用不同的因子进行择时

8.1.7 使用并行来提升择时的运行效率

8.2 abu量化系统选股

8.2.1 选股因子的实现

8.2.2 多个选股因子并行执行

8.2.3 使用并行来提升选股的运行效率

8.3 本章小结

第9章 量化系统——度量与优化

9.1 度量的基本使用方法

9.2 度量的基础

9.2.1 度量的基础概念

9.2.2 度量的可视化

9.3 基于Grid Search寻找因子最优参数

9.3.1 参数取值范围

9.3.2 参数进行排列组合

9.3.3 Grid Search寻找最优参数

9.3.4 度量结果的评分

9.3.5 不同权重的评分

9.4 资金限制对度量的影响

9.5 输入中文自动生成交易策略

9.6 本章小结

第4部分 机器学习在量化交易中的实战

第10章 量化系统——机器学习·猪老三

10.1 机器学习基础概念

10.1.1 小红帽识别毒蘑菇

10.1.2 3种机器学习问题

10.2 猪老三世界中的量化环境

10.3 有监督机器学习

10.3.1 猪老三使用回归预测股价

10.3.2 猪老三使用分类预测股票涨跌

10.3.3 通过决策树分类，绘制出决策图

10.4 无监督机器学习

10.4.1 使用降维可视化数据

10.5 梦醒时分

10.5.1 回测中生成特征/切分训练测试集/成交买单快照

10.5.2 基于特征的交易预测

10.5.3 基于深度学习的交易预测

10.5.4 预测市场的混沌

10.6 本章小结

第11章 量化系统——机器学习·abu

11.1 搜索引擎与量化交易

11.2 主裁

11.2.1 角度主裁

11.2.2 使用全局最优对分类簇集合进行筛选

11.2.3 跳空主裁

11.2.4 价格主裁

11.2.5 波动主裁

11.2.6 验证主裁是否称职

11.2.7 在abu系统中开启主裁拦截模式

11.3 边裁

11.3.1 角度边裁

11.3.2 价格边裁

11.3.3 波动边裁

11.3.4 综合边裁

11.3.5 验证边裁是否称职

11.3.6 在abu系统中开启边裁拦截模式

11.4 一定要赢得这场胜利，即使一切都不存在

11.5 本章小结

附录A 量化环境部署

A.1 基础包环境部署

A.1.1 Anaconda部署

A.1.2 Anaconda的使用

A.1.3 pip的使用

A.2 abu量化系统

A.2.1 数据模式的切换

A.2.2 目标市场的切换

A.2.3 A股市场的回测示例

A.2.4 港股市场的回测示例

A.3 IPython与Notebook

A.3.1 Magic命令

A.3.2 IPython Notebook运行本书所有示例代码

附录B 量化相关性分析

B.1 皮尔逊相关系数

B.2 斯皮尔曼秩相关系数

B.3 相关性使用示例

附录C 量化统计分析及指标应用

C.1量化统计分析应用

C.2 量化技术指标应用