1 本書僅用一章的篇幅就把量化交易概念、源起和發展用故事的形式介紹了，適合完全不懂量化交易的讀者入門。

2 本書再僅用一章的篇幅就把Python在量化交易裡用到的基礎必用知識全部介紹完了，適合特別了解量化交易但不想學太多程序知識的讀者，掌握這一章內容即可進行Python量化交易。

3 本書接下來用一章的篇幅把當下流行的vn.py框架引入進來。

4 接下來，即為本書的精華所在，也是本書價值所在，即各種量化交易策略的介紹、運用、回測等，幫助讀者搭建屬於自己的量化繫統，找到好的產品配比組合。

綜上所述：

一、本書內容扎實，針對每一知識點僅呈現必學內容。

二、本書定位清晰，針對量化交易入門者。

三、本書目標鮮明，讓讀者能夠學完本書打造出屬於自己的量化交易繫統。

本書本著能讓新手快速上手量化交易的原則，循序漸進地講解了量化交易入門所需要的知識，以及大量的開發技巧與交易技巧，具有很強的實用性。vn.py是機構級別的量化交易軟件，掌握vn.py框架原理並且熟練運用，有利於新手快速搭建屬於自己的量化交易繫統。Python語言有非常強大的數據分析庫，對於交易策略的研發具有天然優勢，且其易學性也深受初學者喜愛。本書即以Python+vn.py這一流行組合寫作，從量化交易的起源及其發展進程入手，在簡單介紹Python量化編程基礎，以及詳細解析vn.py架構之後，深入且全面地介紹了CTA策略、海龜策略，以及新策略的開發流程。

相對其他量化交易方面的書，本書不再講述Python語言編程的大量細節，而將筆墨著重放在對量化交易策略的解析、應用與回測之上，這纔是新手真正需要學習和實踐的地方。本書適合所有對量化交易感興趣的人員閱讀，也適合相關院校和培訓機構作為量化交易繫統課程的教材。

知乎專欄《Python量化之路》作者，受困於早期Python量化交易的學習資料過於零散，把自己在量化交易從入門到應用的踩“坑”經歷整理成學習筆記發布到網上，以*簡單的CTA策略為著力點，力求拉近學習與實踐（即實盤交易）的距離，由淺入深，比較繫統而全面地介紹量化交易相關知識，收獲了很多初學者的肯定和共鳴。目前就職於上海某金融科技公司，負責策略的研發與API接口的開發。

目 錄
第1章 量化交易速覽 1
1．1 為何選擇量化交易 1
1．1．1 量化交易的概念 1
1．1．2 主觀交易與量化交易 2
1．2 量化交易的先驅們 5
1．2．1 朱爾斯?雷格納特 5
1．2．2 愛德華?索普 6
1．2．3 托馬斯?彼得菲 9
1．2．4 詹姆斯?西蒙斯 14
1．3 美國量化投資的發展歷史 17
1．3．1 興起階段（1970―1990年） 17
1．3．2 快速發展階段（1990―2000年） 18
1．3．3 穩步增長階段（2000年至今） 19
1．4 中國量化投資的發展歷史 20
1．4．1 ETF套利時代（2010年以前） 20
1．4．2 多因子Alpha和高頻交易稱雄時代（2010―2015年） 21
1．4．3化投資時代（2016年至今） 23
1．5 國內常用的量化交易策略 24
1．5．1 期貨CTA策略 24
1．5．2 股票Alpha策略 32
1．5．3 期權波動率套利策略 41
1．5．4 高頻交易策略 45
1．6 寬客 48
1．7 寬客的兩大陣形：P宗與Q宗 51
1．8 寬客的3種職能分類 52
1．8．1 量化IT工程師 52
1．8．2 量化研究員 53
1．8．3 量化交易員 54
1．9 寬客的四大派繫 55
1．9．1 券商資管 56
1．9．2 公募基金 56
1．9．3 私募基金 57
1．9．4 期貨市場 57
第2章 Python量化編程基礎 59
2．1 Python運行環境搭建 60
2．1．1 安裝Anaconda2-5．0．0（32位） 61
2．1．2 設置Anancoda環境 62
2．1．3 創建共享環境 64
2．1．4 列出共享環境 64
2．1．5 安裝Jupyter Notebook 65
2．2 數據 66
2．2．1 字符串 66
2．2．2 數字 67
2．2．3 容器 68
2．2．4 布爾值 73
2．2．5 空值 73
2．3 函數 74
2．3．1 自定義函數 74
2．3．2 第三方庫的函數 75
2．4 條件判斷 75
2．5 循環 76
2．6 類和實例 79
2．6．1 定義學生父類 79
2．6．2 定義父類實例 81
2．6．3 定義團體子類 82
2．6．4 定義子類實例 83
2．7 NumPy與Pandas 84
2．7．1 一維數組 84
2．7．2 二維數組 88
2．8 scikit-learn機器學習庫 92
2．8．1 機器學習的步驟 93
2．8．2 線性回歸 94
2．8．3 邏輯回歸 100
2．9 Matplotlib繪圖庫 103
2．9．1 用列表繪制線條 103
2．9．2 用數組繪圖 105
2．9．3 多個圖的繪制 108
第3章 vn．py入門 109
3．1 vn．py介紹 109
3．2 搭建vn．py運行環境 113
3．2．1 安裝Visual Studio 2013社區版（特定版本） 113
3．2．2 安裝代碼編輯器工具：Sublime Text 114
3．2．3 安裝Wing IDE 115
3．2．4 安裝MongoDB數據庫 115
3．2．5 安裝Robo 3T 118
3．2．6 安裝vn．py 119
3．2．7 更新vn．py 121
3．3 VnTrader界面功能介紹 122
3．3．1 連接CTP 122
3．3．2 界面說明 123
3．4 vn．py架構 124
3．4．1 底層接口 125
3．4．2 中層引擎 126
3．4．3 上層應用 127
3．5 底層接口 128
3．5．1 CTP API的工作原理 128
3．5．2 CTP API的Python封裝設計 133
3．5．3 CTP API對接中層引擎原理 135
3．6 事件引擎 138
3．6．1 時間驅動 138
3．6．2 事件驅動 139
3．6．3 事件引擎工作流程 140
3．6．4 事件引擎結構 141
3．7 上層應用 143
3．7．1 PyQt介紹 143
3．7．2 GUI組件構成 144
第4章 在vn．py中實現CTA策略 147
4．1 數據解決方案 147
4．1．1 CSV加載模塊 147
4．1．2 開發新的CSV導入模塊 152
4．1．3 數據下載模塊 155
4．2 K線生成模塊 157
4．2．1 1分鐘K線合成 158
4．2．2 X分鐘K線合成 161
4．3 K線管理模塊 162
4．3．1 初始化參數 162
4．3．2 生成時間序列 163
4．3．3 定義屬性函數 164
4．3．4 生成計算指標 165
4．4 CTA策略模塊 167
4．4．1 定義成員變量 168
4．4．2 構建函數 169
4．4．3 回調函數 170
4．4．4 主動函數 171
4．5 策略回測模塊 174
4．5．1 CTA回測引擎 174
4．5．2 參數優化設置 178
4．5．3 調用回測和優化模塊 178
第5章 經典CTA策略 185
5．1 雙均線策略 185
5．1．1 策略原理 185
5．1．2 向量回測 186
5．1．3 vn．py回測 191
5．2 Dual Thrust策略 200
5．2．1 策略原理 200
5．2．2 策略代碼解析 201
5．2．3 策略回測 206
5．2．4 策略優化 208
5．2．5 滾動回測 211
5．3 AtrRsi策略 212
5．3．1 ATR指標 213
5．3．2 RSI指標 215
5．3．3 策略原理 216
5．3．4 策略代碼解析 217
5．3．5 策略回測 220
5．3．6 滾動回測 221
5．4 金肯特納通道策略 223
5．4．1 策略原理 223
5．4．2 策略代碼解析 224
5．4．3 策略回測 229
5．4．4 滾動回測 229
5．5 布林帶通道策略 231
5．5．1 策略原理 231
5．5．2 CCI指標 232
5．5．3 ATR指標 234
5．5．4 策略回測 235
5．5．5 滾動回測 236
5．6 跨時間周期策略 238
5．6．1 策略原理 239
5．6．2 策略代碼解析 239
5．6．3 策略回測 243
5．6．4 滾動回測 244
5．7 多信號組合策略 245
5．7．1 策略原理 246
5．7．2 信號生成部分 246
5．7．3 交易管理部分 251
5．7．4 多信號策略的重構 256
第6章 海龜策略本地化實證 259
6．1 海龜策略速覽 259
6．1．1 海龜策略的故事 259
6．1．2 海龜策略的局限性 260
6．1．3 原版海龜策略 261
6．1．4 策略回測效果 266
6．2 本地化實現困境與解決方案 268
6．2．1 本地化實現困境 268
6．2．2 理想解決方案 270
6．3 vn．py實現的海龜策略 271
6．3．1 工具準備 271
6．3．2 數據準備 272
6．3．3 海龜策略代碼結構 275
6．3．4 海龜策略6大要素代碼解析 278
6．3．5 海龜策略的回測 284
6．4 品種選擇驗證 285
6．4．1 原版投資組合測試 285
6．4．2 篩選品種的傳統方法 287
6．4．3 構建海龜組合的難點 295
6．4．4 海龜組合篩選的解決方案 296
6．4．5 重新構建投資組合 300
6．5 長短周期信號檢驗 320
6．6 上一筆贏利過濾檢驗 322
6．7 手續費、滑點測試 324
6．8 單位頭寸限制檢驗 325
6．9 關於海龜策略的其他研究方向 329
第7章 新策略實戰 330
7．1 開發新的策略 330
7．1．1 策略思路 330
7．1．2 增加AROON函數 332
7．1．3 策略代碼解析 333
7．1．4 策略回測 335
7．2 多策略的組合回測 337
7．2．1 歷史表現 338
7．2．2 預測表現 341
7．2．3 回測的注意事項 341
7．3 模擬測試 348
7．3．1 策略文件目錄 348
7．3．2 實盤/模擬盤配置文件 349
7．4 真實交易環境 352
7．4．1 交易環境的3套繫統 352
7．4．2 交易環境的數據流 353
7．5 實際操作注意事項 354
7．5．1 計算錯誤 354
7．5．2 數據使用誤差 355
7．5．3 過擬合 356
7．5．4 幸存者偏差 357
7．5．5 策略周期 358
7．5．6 動態變化的現實環境 359
7．5．7 人為干預 360
附錄A 主流交易品種 361
A．1 股票 361
A．1．1 股票的定義 361
A．1．2 股票交易所 362
A．1．3 股票競價規則 363
A．1．4 T+1制度 367
A．1．5 股票交易策略 369
A．2 期貨 371
A．2．1 期貨的定義 371
A．2．2 期貨交易所 371
A．2．3 期貨交易策略 374
A．3 期權 376
A．3．1 期權的定義 376
A．3．2 期權的分類 379
A．3．3 期權的影響因素 381
A．3．4 期權投資組合 383
A．3．5 期權波動率套利策略 386
A．4 外彙 387
A．4．1 外彙的定義 387
A．4．2 外彙市場的結構 389
A．4．3 外彙市場的組織形式 392
A．4．4 主要外彙交易中心 393
A．4．5 外彙交易策略 395
參考文獻 398

在證券交易領域中，量化交易脫胎於傳統的主觀交易：把投資者的交易理念、交易策略固化成計算機程序，通過算法快速自動下單，有效地防止投資者自身情緒的干擾，讓其把精力放在研發交易策略上。量化交易的另一個優點是其成功的方法有跡可循，因為量化交易的過程是，運用現代統計學理論對歷史數據進行數據分析，構建數學模型來預測市場未來價格的變化，然後通過計算機語言表達出來，從而實現自動交易。

vn.py是機構級別的量化交易軟件，掌握vn.py框架原理並且熟練使用，有利於新手快速入門量化交易，搭建屬於自己的量化交易繫統，也可以在機構中找到與量化崗位相關的工作。

為什麼寫作本書

本書使用的編程語言是Python。盡管市面上關於Python量化交易方面的書籍不少，但是大部分著重講述Python編程基礎，而且主要是在股票交易中的應用，在期貨市場的應用少之又少。就實踐的層面來看，股票量化交易對於入門者幾乎是不可能實現的，盡管2019年重新開放程序化交易API，但是其資金門檻高。

期貨市場上程序化交易接口卻無資金門檻，而且量化交易應用發展得比較成熟，這纔是新手可以去學習和實踐的地方。故本書的寫作定位是交易策略在期貨領域的應用和開發，力求填補這方面的空白。

本書特色

本書盡量以初學者的角度來講述量化交易的內容，逐步填平量化交易入門要踩的“坑”，力求讓讀者快速熟悉這方面的知識，能夠獨立開發交易策略並且嘗試進行仿真交易。如果在SinNow仿真交易平臺能夠贏利，那麼就可以上實盤去“跑”了。

本書的另一個特色是使用機構級別的開源交易軟件：vn.py。機構級別軟件對應的使用群體是做量化交易的機構投資者，如私募基金、證券自營，以及資管和期貨資管等。這類軟件雖然上手困難，但是熟練掌握後能更有效地深耕於量化交易領域，並且也有利於初學者入門量化交易。

本書主要內容

本書共包括7章，每章的主要內容如下。

第1章“量化交易速覽”首先從狹義和廣義兩個方面介紹了“量化交易”的概念，然後介紹開拓出這個領域的先驅們的故事，接著講述量化投資在美國與中國的歷史發展進程，最後簡單地介紹國內常用的量化交易策略及寬客這個專門從事量化交易的職業。

第2章“Python量化編程基礎”介紹了將Python作為量化交易入門語言的理由，講解了Python的基礎概念，以及常用的數據分析庫NumPy與Pandas、機器學習庫scikit-learn，最後講解繪圖庫Matplotlib的基本用法。

第3章“vn.py入門”介紹了vn.py交易繫統的概況、安裝步驟、主交易界面的功能，具體講述vn.py應用框架的結構，分別是底層接口、中層引擎及上層應用，最後對這3層結構的原理做一個具體說明。

第4章“在vn.py中實現CTA策略”介紹vn.py提供的數據解決方案，用於生成具體CTA策略的相關支出模塊，如K線生成、K線管理和策略模板，最後講述回測和優化模塊。

第5章“經典CTA策略”主要介紹vn.py官方提供的經典CTA策略，包括策略原理、代碼解釋、策略回測和參數優化。

第6章“海龜策略本地化實證”首先介紹海龜交易策略的起源、關鍵要素，然後解析vn.py下海龜策略的代碼，通過交叉檢驗與篩選品種構成投資組合，最後基於構建好的海龜組合對策略的各個關鍵要素進行研究。

第7章“新策略實戰”首先介紹了開發新策略的流程，然後是搭建投資組合，並進行策略回測為實戰做好準備，最後介紹在真實交易情況下接觸的3套繫統，並且分析策略回測與實戰中結果不同的成因。

致謝

我首先要感謝“猴子聊人物”創始人，他的數據分析的課程讓我快速上手Python語言；然後是“用Python的交易員”陳曉優先生，我也是受益於其知乎Live上對量化交易的推廣纔從傳統的金融轉到該領域的。

我還要真誠地感謝電子工業出版社優秀的IT編輯孫學瑛女士和電子工業出版社對本書的重視，以及他們為本書出版所做的一切。