精通Python量化金融編程就這三步：1.基礎：初識量化交易，掌握Python編程語言的基本用法。2.進階：結合量化金融實例，進階掌握數據分析庫和量化交易庫的基本用法。3.實戰：結合當下熱點，引入機器學習與深度學習在量化交易場景下的應用，實戰搭建屬於自己的量化交易工具庫。

●基礎篇
第1章初識量化交易
1.1對量化交易的認識
1.2幾種常見的交易形式
1.3量化交易存在的風險與規避方法
1.4量化交易平臺介紹
1.5本章小結
第2章Python環境的搭建
2.1關於Python
2.2安裝Python的發行版Anaconda
2.3安裝PythonIDEPyCharm
2.4本章小結
第3章量化交易場景下Python基礎知識的準備
3.1Python變量：金融數據的表示形式
3.2條件判斷語句：交易點的觸發
3.3循環語句：開啟歷史數據的回測
3.4函數：提高代碼的利用率
3.5面向對像：交易策略的實例化
3.6常用內置模塊及模塊的安裝：解鎖更多新功能
3.7本章小結
高級篇
第4章用NumPy來進行數據操作
4.1NumPy庫的介紹與安裝
4.2Ndarray數組
4.3NumPy的常用操作
4.4NumPy在金融數據中的應用
4.5本章小結
第5章借助Pandas進行數據分析
5.1Pandas庫的介紹與安裝
5.2Series類型數據
5.3DataFrame類型數據
5.4Pandas中常用函數的使用
5.5Pandas對金融數據的操作
5.6本章小結
第6章通過Matplotlib對數據可視化
6.1Matplotlib庫的介紹與安裝
6.2Matplotlib的基本操作
6.3Matplotlib繪制常見圖像
6.4Matplotlib對圖像屬性的設置
6.5Matplotlib繪制多個子圖
6.6金融數據的可視化操作
6.7本章小結
第7章歷史數據的獲取
7.1通過Tushare庫獲取歷史數據
7.2通過財經API獲取歷史數據
7.3通過Pandas_datareader獲取歷史數據
7.4其他獲取歷史數據的方式
7.5本章小結
第8章量化交易的利器
8.1Ta-Lib庫的介紹與安裝
8.2市場技術指標的計算
8.3K線組合的模式識別
8.4FFn庫的介紹與安裝
8.5風險指標的計算
8.6兩種經典策略的實現
8.7本章小結
第9章時間序列分析
9.1Statsmodels庫的介紹與安裝
9.2時間序列的基本概念
9.3時間序列相關性分析
9.4時間序列平穩性分析
9.5時間序列協整性分析
9.6時間序列模型
9.7時間序列模型在股票市場中的應用
9.8本章小結
實戰篇
第10章基於配對交易策略的回測框架的搭建
10.1配對交易介紹
10.2配對交易回測框架的實現
10.3本章小結
第11章機器學習實戰——利用支持向量機（SVM）進行趨勢預測
11.1機器學習庫Sklearn的介紹與安裝
11.2機器學習基本知識介紹
11.3支持向量機介紹
11.4支持向量機預測模型的實現
11.5本章小結
第12章深度學習實戰——利用循環神經網絡（RNN）進行價格預測
12.1深度學習庫TensorFlow的介紹與安裝
12.2TensorFlow的基本概念與結構
12.3循環神經網絡介紹
12.4循環神經網絡預測模型的搭建
12.5本章小結
第13章接觸實盤——利用vn.py進行量化交易
13.1初識vn.py
13.2vn.py運行環境的準備
13.3vn.py國內期貨CTP的配置
13.4通過vn.py進行策略回測
13.5基於vn.py實現R-Breaker策略
13.6通過vn.py進行自動化交易
13.7本章小結
附錄常見的Python量化交易框架介紹

量化交易領域的飛速發展，得到了越來越多業內外人士的關注。而Python作為一門功能強大且易於上手的編程語言，可以快速將想法付諸實踐。因此，本書希望可以引領讀者初步了解量化交易，並借助Python這個工具在該領域有所建樹。本書先從量化交易的基本概念講起，然後講解Python的基本語法及常見庫的使用，在每章節的學習中都以金融量化為實例，並在最後結合實戰項目來進行學習和鞏固，讀者不但可以繫統地學習Python編程的相關知識，而且還能學習到Python在量化交易場景下的應用。本書內容通俗易懂，案例豐富，適合零基礎並對Python量化感興趣的讀者，以及想學習量化交易實戰項目的Python初學者。此外，本書也適合作為相關培訓機構的培訓教材。