| | | 零起點Python大數據與量化交易/金融科技叢書/Top Quant CHRD前海智庫 | 該商品所屬分類:計算機/網絡 -> 程序設計 | 【市場價】 | 830-1203元 | 【優惠價】 | 519-752元 | 【介質】 | book | 【ISBN】 | 9787121306594 | 【折扣說明】 | 一次購物滿999元台幣免運費+贈品 一次購物滿2000元台幣95折+免運費+贈品 一次購物滿3000元台幣92折+免運費+贈品 一次購物滿4000元台幣88折+免運費+贈品
| 【本期贈品】 | ①優質無紡布環保袋,做工棒!②品牌簽字筆 ③品牌手帕紙巾
| |
版本 | 正版全新電子版PDF檔 | 您已选择: | 正版全新 | 溫馨提示:如果有多種選項,請先選擇再點擊加入購物車。*. 電子圖書價格是0.69折,例如了得網價格是100元,電子書pdf的價格則是69元。 *. 購買電子書不支持貨到付款,購買時選擇atm或者超商、PayPal付款。付款後1-24小時內通過郵件傳輸給您。 *. 如果收到的電子書不滿意,可以聯絡我們退款。謝謝。 | | | | 內容介紹 | |
![](https://bnmppic.bookuu.com/goods/18/17/57/3732988-fm.jpg)
-
出版社:電子工業
-
ISBN:9787121306594
-
作者:何海群
-
頁數:424
-
出版日期:2017-02-01
-
印刷日期:2017-02-01
-
包裝:平裝
-
開本:16開
-
版次:1
-
印次:1
-
字數:528千字
-
何海群著的《零起點Python大數據與量化交易》 是國內較早關於Python大數據與量化交易的原創圖書 ,配合zwPython開發平臺和zwQuant開源量化軟件學 習,是一套完整的大數據分析、量化交易的學習教材 ,可直接用於實盤交易。本書有三大特色:第一,以 實盤個案分析為主,全程配有Python代碼;第二,包 含大量的圖文案例和Python源碼,無須專業編程基礎 ,懂Excel即可開始學習;第三,配有專業的 zwPython集成開發平臺、zwQuant量化軟件和zwDat 數據包。 本書內容源自筆者的原版教學課件,雖然限於篇 幅和載體,省略了視頻和部分環節,但核心內容都有 保留,配套的近百套Python教學程序沒有進行任何刪 減。考慮到廣大入門讀者的需求,筆者在各個核心函 數環節增添了函數流程圖。
-
第1章 從故事開始學量化 1.1 億萬富翁的“神奇公式” 1.1.1 案例1-1:億萬富翁的“神奇公式” 1.1.2 案例分析:Python圖表 1.1.3 matplotlib繪圖模塊庫 1.1.4 案例分析:style繪圖風格 1.1.5 案例分析:colormap顏色表 1.1.6 案例分析:顏色表關鍵詞 1.1.7 深入淺出 1.2 股市“一月效應” 1.2.1 案例1-2:股市“一月效應” 1.2.2 案例分析:“一月效應”計算 1.2.3 案例分析:“一月效應”圖表分析 1.2.4 案例分析:顏色表效果圖 1.2.5 “一月效應”全文注解版Python源碼 1.2.6 大數據?宏分析 1.3 量化交易流程與概念 1.3.1 數據分析I2O流程 1.3.2 量化交易不是高頻交易、自動交易 1.3.3 小資、小白、韭菜 1.3.4 專業與業餘 1.4 用戶運行環境配置 1.4.1 程序目錄結構 1.4.2 金融股票數據包 1.5 Python實戰操作技巧 1.5.1 模塊檢測 1.5.2 Spyder編輯器界面設置 1.5.3 代碼配色技巧 1.5.4 圖像顯示配置 1.5.5 Python2、Python 3雙版本雙開模式 1.5.6 單版本雙開、多開模式 1.5.7 實戰勝於一切 1.6 量化、中醫與西醫 第2章 常用量化技術指標與框架 2.1 案例2-1:SMA均線策略 2.1.1 案例要點與事件編程 2.1.2 量化程序結構 2.1.3 main程序主入口 2.1.4 KISS法則 2.2 Python量化繫統框架 2.2.1 量化行業關鍵詞 2.2.2 國外主流Python量化網站 2.2.3 我國主流Python量化網站 2.2.4 主流Python量化框架 2.3 常用量化軟件包 2.3.1 常用量化軟件包簡介 2.3.2 案例2-2:模塊庫列表 2.4 常用量化技術指標 2.4.1 TA-Lib金融軟件包 2.4.2 案例2-3:MA均線函數調用 2.4.3 TA-Lib函數調用 2.4.4 量化分析常用指標 2.5 經典量化策略 2.5.1 阿爾法(Alpha)策略 2.5.2 Beta策略 2.5.3 海龜交易法則 2.5.4 ETF套利策略 2.6 常用量化策略 2.6.1 動量交易策略 2.6.2 均值回歸策略 2.6.3 其他常用量化策略 2.7 起點與終點 第3章 金融數據采集整理 3.1 常用數據源API與模塊庫 3.1.1 大數據綜合API 3.1.2 專業財經數據API 3.1.3 專業數據模塊庫 3.2 案例3-1:zwDatX數據類 3.3 美股數據源模塊庫 3.4 開源文檔庫Read the Docs 3.5 案例3-2:下載美股數據 3.6 財經數據源模塊庫TuShare 3.6.1 滬深股票列表 3.6.2 案例3-3:下載股票代碼數據 3.6.3 CSV文件處理 3.7 歷史數據 3.7.1 歷史行情 3.7.2 案例3-4:下載近期股票數據 3.7.3 歷史復權數據 3.7.4 案例3-5:下載歷史復權數據 3.8 其他交易數據 3.9 zwDat超大股票數據源與數據*新 3.9.1 案例3-6:A股基本概況數據下載 3.9.2 案例3-7:A股交易數據下載 3.9.3 案例3-8:A股指數行情數據下載 3.9.4 案例3-9:美股交易數據下載 3.10 數據歸一化處理 3.10.1 中美股票數據格式差異 3.10.2 案例3-10:數據格式轉化 3.10.3 案例3-11:A股策略PAT實盤分析 3.10.4 案例3-12:數據歸一化 3.11 為有源頭活水來 第4章 PAT案例彙編 4.1 投資組合與回報率 4.1.1 案例4-1:下載多組美股數據 4.1.2 案例4-2:投資組合收益計算 4.2 SMA均線策略 4.2.1 SMA簡單移動平均線 4.2.2 案例4-3:原版SMA均線策略 4.2.3 案例4-4:增強版SMA均線策略 4.2.4 案例4-5:A股版SMA均線策略 4.3 均線交叉策略 4.3.1 案例4-6:均線交叉策略 4.3.2 案例4-7:A股版均線交叉策略 4.4 VWAP動量策略 4.4.1 案例4-8:VWAP動量策略 4.4.2 案例4-9:A股版VWAP動量策略 4.5 布林帶策略 4.5.1 案例4-10:布林帶策略 4.5.2 案例4-11:A股版布林帶策略 4.6 RSI2策略 4.6.1 案例4-12:RSI2策略 4.6.2 案例4-13:A股版RSI2策略 4.7 案例與傳承 第5章 zwQuant整體架構 5.1 發布前言 5.2 功能簡介 5.2.1 目錄結構 5.2.2 安裝與*新 5.2.3 模塊說明 5.2.4 zwSys模塊:繫統變量與類定義 5.2.5 zwTools模塊:常用(非量化)工具函數 5.2.6 zwQTBox:常用“量化”工具函數集 5.2.7 zwQTDraw.py:量化繪圖工具函數 5.2.8 zwBacktest:回溯測試工具函數 5.2.9 zwStrategy:策略工具函數 5.2.10 zw_TA-Lib:金融函數模塊 5.3 示例程序 5.4 常用量化分析參數 5.5 回溯案例:對標測試 5.5.1 對標測試1:投資回報參數 5.5.2 對標測試2:VWAP策略 5.6 回報參數計算 5.7 主體框架 5.7.1 stkLib內存數據庫 5.7.2 Bars數據包 5.7.3 案例:內存數據庫&數據包 5.7.4 qxLib、xtrdLib 5.7.5 案例5-1:qxLib數據 5.7.6 量化繫統的價格體繫 5.7.7 數據預處理 5.7.8 繪圖模板 5.8 新的起點 第6章 模塊詳解與實盤數據 6.1 回溯流程 6.1.1 案例6-1:投資回報率 6.1.2 代碼構成 6.1.3 運行總流程 6.2 運行流程詳解 6.2.1 設置股票數據源 6.2.2 設置策略參數 6.2.3 dataPre數據預處理 6.2.4 綁定策略函數 6.2.5 回溯測試:zwBackTest 6.2.6 輸出回溯結果數據、圖表 6.3 零點策略 6.3.1 mul多個時間點的交易&數據 6.3.2 案例6-2:多個時間點交易 6.4 不同數據源與格式修改 6.4.1 案例6-3:數據源修改 6.4.2 數據源格式修改 6.5 金融數據包與實盤數據*新 6.5.1 大盤指數文件升級 6.5.2 實盤數據*新 6.5.3 案例6-4:A股實盤數據*新 6.5.4 案例6-5:大盤指數*新 6.6 穩定** 第7章 量化策略庫 7.1 量化策略庫簡介 7.1.1 量化繫統的三代目 7.1.2 通用數據預處理函數 7.2 SMA均線策略 7.2.1 案例7-1:SMA均線策略 7.2.2 實盤下單時機與** 7.2.3 案例7-2:實盤SMA均線策略 7.3 CMA均線交叉策略 7.3.1 案例7-3:均線交叉策略 7.3.2 對標測試誤差分析 7.3.3 案例7-4:CMA均線交叉策略修改版 7.3.4 人工優化參數 7.4 VWAP策略 7.4.1 案例7-5:VWAP策略 7.4.2 案例7-6:實盤VWAP策略 7.5 BBands布林帶策略 7.5.1 案例7-7:BBands布林帶策略 7.5.2 案例7-8:實盤BBands布林帶策略 7.6 大道至簡1+1 第8章 海龜策略與自定義擴展 8.1 策略庫 8.1.1 自定義策略 8.1.2 海龜投資策略 8.2 tur海龜策略v1:從零開始 8.3 案例8-1:海龜策略框架 8.4 tur海龜策略v2:策略初始化 8.5 案例8-2:策略初始化 8.6 tur海龜策略v3:數據預處理 8.7 案例8-3:數據預處理 8.8 tur海龜策略v4:策略分析 8.9 案例8-4:策略分析 8.10 tur海龜策略v5:數據圖表輸出 8.10.1 案例8-5:圖表輸出 8.10.2 參數優化 8.10.3 案例8-6:參數優化 8.11 tur海龜策略v9:加入策略庫 8.12 案例8-7:入庫 8.13 庖丁解牛 第9章 TA-Lib函數庫與策略開發 9.1 TA-Lib技術指標 9.1.1 TA-Lib官網 9.1.2 矩陣版TA-Lib金融函數模塊 9.2 MACD策略 9.2.1 MACD策略1 9.2.2 案例9-1:MACD_v1 9.2.3 MACD策略2 9.2.4 案例9-2:MACD_v2 9.3 KDJ策略 9.3.1 KDJ策略1 9.3.2 案例9-3:KDJ01 9.3.3 KDJ策略2 9.3.4 案例9-4:KDJ02 9.4 RSI策略 9.4.1 RSI取值的大小 9.4.2 RSI策略 9.4.3 預留參數優化接口 9.4.4 案例9-5:A股版RSI策略 9.5 基石、策略與靈感 **0章 擴展與未來 10.1 回顧案例2-1:SMA均線策略 案例10-1:SMA均線策略擴展 10.2 大盤指數資源 10.2.1 大盤指數文件升級 10.2.2 大盤指數內存數據庫 10.2.3 擴展zwQuantX類變量 10.2.4 大盤指數讀取函數 10.2.5 案例10-2:讀取指數 10.2.6 大盤數據切割 10.2.7 案例10-3:inxCut數據切割 10.3 繫統整合 10.3.1 案例10-4:整合設置 10.3.2 案例10-5:修改指數代碼 10.3.3 修改sta_dataPre0xtim函數 10.3.4 案例10-6:整合數據切割 10.3.5 修改繪圖函數 10.4 擴展完成 案例10-7:SMA均線擴展策略 10.5 其他擴展課題 10.5.1 復權數據衝突 10.5.2 波動率指標DVIX 10.5.3 修改回溯主函數zwBackTest 10.5.4 案例10-8:波動率 10.5.5 空頭交易 10.5.6 虛擬空頭交易 10.5.7 修改檢查函數 10.5.8 案例10-9:空頭數據 10.6 終點與起點 附錄A zwPython開發平臺用戶手冊 附錄B Python量化學習路線圖
| | | | | |