●第1章 量化交易快速入門
1.1 初識量化交易
1.1.1 量化交易的定義
1.1.2 量化交易與算法交易
1.1.3 量化交易與黑匣子交易
1.1.4 量化交易與程序化交易
1.1.5 量化交易與技術分析
1.2 量化交易的優勢
1.2.1 嚴格的紀律性
1.2.2 完備的繫統性
1.2.3 妥善運用套利的思想
1.2.4 靠概率取勝
1.3 量化交易的應用
1.3.1 投資品種選擇
1.3.2 投資時機選擇
1.3.3 算法交易
1.3.4 各種套利交易
1.3.5 資產配置
1.4 量化交易與人工交易的對比
1.5 量化交易的注意事項
1.6 量化交易的發展過程
1.6.1 國外量化交易的發展過程
1.6.2 國內量化交易的發展過程
1.7 量化交易的平臺
1.7.1 聚寬JoinQuant 量化交易平臺的功能
1.7.2 賬戶注冊、登錄及策略創建
1.7.3 量化交易策略的選股
1.7.4 量化交易策略的買賣條件
1.7.5 量化交易策略的風險控制
1.7.6 量化交易策略的其他參數
1.7.7 編寫Python 代碼來創建量化交易策略
1.7.8 量化交易策略的回測詳情
1.7.9 量化交易策略的模擬交易
1.8 量化交易的潛在風險及應對策略
第2章 Python 量化交易的開發環境
2.1 初識Python 語言
2.1.1 Python 的歷史由來
2.1.2 Python 的特點
2.1.3 Python 的應用
2.2 Python 開發環境及配置
2.2.1 Python 的下載
2.2.2 Python 的安裝
2.2.3 Python 的環境變量配置
2.3 Python 程序的編寫
2.3.1 利用繫統自帶的開發軟件IDEL直接編寫程序並運行
2.3.2 創建Python 文件並運行
2.4 利用量化交易平臺編寫Python程序
2.4.1 初識IPython Notebook研究平臺
2.4.2 利用Python Notebook 編寫Python 程序
第3章 Python 的基本語法及流程控制
3.1 Python 的基本數據類型
3.1.1 數值類型
3.1.2 字符串類型
3.2 變量及賦值
3.2.1 變量命名規則
3.2.2 變量的賦值
3.3 運算符
3.3.1 算術運算符
3.3.2 賦值運算符
3.3.3 位運算符
3.4 選擇結構
3.4.1 關繫運算符
3.4.2 邏輯運算符
3.4.3 if 語句
3.4.4 嵌套 if 語句
3.5 循環結構
3.5.1 while 循環
3.5.2 while 循環使用else 語句
3.5.3 無限循環
3.5.4 for 循環
3.5.5 在for 循環中使用range（）函數
3.6 其他語句
3.6.1 break 語句
3.6.2 continue 語句
3.6.3 pass 語句
3.7 Python 的代碼格式
3.7.1 代碼縮進
3.7.2 代碼注釋
3.7.3 空行
3.7.4 同一行顯示多條語句
第4章 Python 的特征數據類型
4.1 列表
4.1.1 列表的創建
4.1.2 3 種方法訪問列表中的值
4.1.3 兩種方法更新列表中的值
4.1.4 del 語句刪除列表中的值
4.1.5 列表的4 個函數
4.1.6 列表的方法
4.組
4.2.組的創建
4.2.2 3 種方組中的值
4.2.組的連接
4.2.4 組的刪除
4.2.組的4 個函數
4.3 字典
4.3.1 字典的創建
4.3.2 訪問字典中的值和鍵
4.3.3 字典的修改
4.3.4 字典中的3 個函數
4.4 集合
4.4.1 集合的創建
4.4.2 集合的兩個基本功能
4.4.3 集合的運算符
4.4.4 集合的方法
第5章 Python 的函數及應用技巧
5.1 初識函數
5.2 內置函數
5.2.1 數學函數
5.2.2 隨機數函數
5.2.3 三角函數
5.2.4 字符串函數
5.3 用戶自定義函數
5.3.1 函數的定義
5.3.2 調用自定義函數
5.3.3 函數的參數傳遞
5.3.4 函數的參數類型
5.3.5 匿名函數
第6章 Python 的面向對像編程基礎
6.1 面向對像
6.1.1 面向對像概念
6.1.2 類定義與類對像
6.1.3 類的繼承
6.2 模塊
6.2.1 自定義模塊和調用
6.2.2 import 語句
6.2.3 標準模塊
6.3 包
6.4 變量作用域及類型
6.4.1 變量作用域
6.4.2 全局變量和局部變量
6.4.3 global 和nonlocal 關鍵字
第7章 Python 大數據分析的Numpy 包
7.1 初識Numpy 包
7.2 ndarray 數組基礎
7.2.1 創建Numpy 數組
7.2.2 Numpy 特殊數組
7.2.3 Numpy 序列數組
7.2.4 Numpy 數組索引
7.2.5 Numpy 數組運算
7.2.6 Numpy 數組復制
7.3 Numpy 的矩陣
7.4 Numpy 的線性代數
7.4.1 兩個數組的點積
7.4.2 兩個向量的點積
7.4.3 一維數組的向量內積
7.4.4 矩陣的行列式
7.4.5 矩陣的逆
7.5 Numpy 的文件操作
第8章 Python 大數據分析的Pandas 包
8.1 Pandas 的數據結構
8.2 一維數組繫列
8.2.1 創建一個空的繫列
8.2.2 從ndarray 創建一個繫列
8.2.3 從字典創建繫列
8.2.4 從有位置的繫列中訪問數據
8.2.5 使用標簽檢索數據
8.3 二維數組DataFrame
8.3.1 創建DataFrame
8.3.2 數據的查看
8.3.3 數據的選擇
8.3.4 數據的處理
8.4 三維數組Panel
第9章 Python 大數據可視化的Matplotlib 包
9.1 Matplotlib 包的優點
9.2 figure（）函數的應用
9.2.1 figure（）函數的各參數意義
9.2.2 figure（）函數的示例
9.3 plot（）函數的應用
9.3.1 plot（）函數的各參數意義
9.3.2 plot（）函數的實例
9.4 subplot（）函數的應用
9.4.1 subplot（）的各參數意義
9.4.2 subplot（）的示例
9.5 add_axes 方法的應用
9.6 legend（）函數的應用
9.7 設置字體格式
9.8 設置線條的寬度和顏色
9.9 坐標軸網格
9.10 繪制柱狀圖
9.11 繪制色圖和等高線圖
9.12 繪制立體三維圖形
第10章 Python 量化交易策略的編寫
10.1 股票量化交易策略的組成
10.1.1 初始化函數
10.1.2 開盤前運行函數
10.1.3 開盤時運行函數
10.1.4 收盤後運行函數
10.2 設置函數
10.2.1 設置基準函數
10.2.2 設置傭金/印花稅函數
10.2.3 設置滑點函數
10.2.4 設置動態復權（真實價格）模式函數
10.2.5 設置成交量比例函數
10.2.6 設置是否開啟盤口撮合模式函數
10.2.7 設置要操作的股票池函數
10.3 定時函數
10.3.1 定時函數的定義及分類
10.3.2 定時函數各項參數的意義
10.3.3 定時函數的注意事項
10.3.4 定時函數的實例
10.4 下單函數
10.4.1 按股數下單函數
10.4.2 目標股數下單函數
10.4.3 按價值下單函數
10.4.4 目標價值下單函數
10.4.5 撤單函數
10.4.6 獲取未完成訂單函數
10.4.7 獲取訂單信息函數
10.4.8 獲取成交信息函數
10.5 日志log
10.5.1 設定log 的級別
10.5.2 log.info
10.6 常用對像
10.6.1 Order 對像
10.6.2 全局對像g
10.6.3 Trade 對像
10.6.4 tick 對像
10.6.5 Context 對像
10.6.6 ition 對像
10.6.7 SubPortfolio 對像
10.6.8 Portfolio 對像
10.6.9 SecurityUnitData 對像
第11章 Python 量化交易策略的獲取數據函數
11.1 獲取股票數據的history（）函數
11.1.1 各項參數的意義
11.1.2 history（）函數的應用實例
11.2 獲取一隻股票數據的attribute_history（）函數
11.3 查詢一個交易日股票財務數據的get_fundamentals（）函數
11.3.1 各項參數的意義
11.3.2 get_fundamentals （）函數的應用實例
11.4 查詢股票財務數據的get_fundamentals_continuously（）函數
11.5 獲取股票特別數據的get_current_data（）函數
11.6 獲取指數成分股代碼的get_index_stocks（）函數
11.6.1 各項參數的意義
11.6.2 get_index_stocks（）函數的應用示例
11.7 獲取行業成分股代碼的get_industry_stocks（）函數
11.8 獲取概念成本股代碼的get_concept_stocks（）函數
11.9 獲取所有數據信息的get_all_securities（）函數
11.9.1 各項參數的意義
11.9.2 get_all_securities（）函數的應用實例
11.10 獲取一隻股票信息的get_security_info（）函數
11.11 獲取龍虎榜數據的get_billboard_list（）函數
11.11.1 各項參數的意義
11.11.2 get_billboard_list（）函數的應用實例
11.12 獲取限售解禁數據的get_locked_shares（）函數
第12章 Python 基本面量化選股
12.1 初識量化選股
12.2 成長類因子選股
12.2.1 營業收入同比增長率選股
12.2.2 營業收入環比增長率選股
12.2.3 淨利潤同比增長率選股
12.2.4 淨利潤環比增長率選股
12.2.5 營業利潤率選股
12.2.6 銷售淨利率選股
12.2.7 銷售毛利率選股
12.3 規模類因子選股
12.3.1 總市值選股
12.3.2 流通市值選股
12.3.3 總股本選股
12.3.4 流通股本選股
12.4 價值類因子選股
12.4.1 市淨率選股
12.4.2 市銷率選股
12.4.3 市現率選股
12.4.4 動態市盈率選股
12.4.5 靜態市盈率選股
12.5 質量類因子選股
12.5.1 淨資產收益率選股
12.5.2 總資產淨利率選股
12.6 基本面多因子量化選股的注意事項
第13章 Python 量化擇時的技術指標函數
13.1 初識量化擇時
13.2 趨向指標函數
13.2.1 MACD 指標函數
13.2.2 EMV 指標函數
13.2.3 UOS 指標函數
13.2.4 GDX 指標函數
13.2.5 DMA 指標函數
13.2.6 JS 指標函數
13.2.7 MA 指標函數
13.2.8 EXPMA 指標函數
13.2.9 VMA 指標函數
13.3 反趨向指標函數
13.3.1 KD 指標函數
13.3.2 MFI 指標函數
13.3.3 RSI 指標函數
13.3.4 OSC 指標函數
13.3.5 WR 指標函數
13.3.6 CCI 指標函數
13.4 壓力支撐指標函數
13.4.1 BOLL 指標函數
13.4.2 MIKE 指標函數
13.4.3 XS 指標函數
13.5 量價指標函數
13.5.1 OBV 指標函數
13.5.2 VOL 指標函數
13.5.3 VR 指標函數
13.5.4 MASS 指標函數
第14章 Python 量化交易策略的回測技巧
14.1 量化交易策略回測的流程
14.2 利用Python 編寫MACD 指標量化策略
14.2.1 量化交易策略的編輯頁面
14.2.2 編寫初始化函數
14.2.3 編寫單位時間調用的函數
14.3 設置MACD 指標量化策略的回測參數
14.4 MACD 指標量化策略的回測詳情
14.5 MACD 指標量化策略的風險指標
14.5.1 Alpha（阿爾法）
14.5.2 Beta（貝塔）
14.5.3 Sharpe（夏普比率）
14.5.4 Sortino（索提諾比率）
14.5.5 Information Ratio（信息比率）
14.5.6 Volatility（策略波動率）
14.5.7 Benchmark Volatility（基準波動率）
14.5.8 Max Drawdown（優選回撤）
第15章 Python 量化交易策略的因子分析技巧
15.1 因子分析概述
15.1.1 因子的類型
15.1.2 因子分析的作用
15.2 因子分析的實現代碼
15.2.1 因子分析中變量的含義
15.2.2 因子分析中可以使用的基礎因子
15.2.3 calc 的參數及返回值
15.3 因子分析的結果
15.3.1 新建因子
15.3.2 收益分析
15.3.3 IC 分析
15.3.4 換手分析
15.4 因子在研究和回測中的使用
15.5 基本面因子應用實例
第16章 Python 量化交易策略的實戰案例
16.1 MA 均線量化交易策略實戰案例
16.1.1 編寫初始化函數
16.1.2 編寫單位時間調用的函數
16.1.3 MA 均線量化交易策略的回測
16.2 多均線量化交易策略實戰案例
16.2.1 編寫初始化函數
16.2.2 編寫交易程序函數
16.2.3 多均線量化交易策略的回測
16.3 能量型指標量化交易策略實戰案例
16.3.1 編寫初始化函數
16.3.2 編寫單位時間調用的函數
16.3.3 能量型指標量化交易策略的回測
16.4 KD 指標量化交易策略實戰案例
16.4.1 編寫初始化函數
16.4.2 編寫開盤前運行函數
16.4.3 編寫開盤時運行函數
16.4.4 編寫收盤後運行函數
16.4.5 KD 指標量化交易策略的回測
16.5 BOLL 指標量化交易策略實戰案例
16.5.1 編寫初始化函數
16.5.2 編寫開盤前運行函數
16.5.3 編寫開盤時運行函數
16.5.4 編寫收盤後運行函數
16.5.5 BOLL 指標量化交易策略的回測
16.6 多股票持倉量化交易策略實戰案例
16.6.1 編寫初始化函數
16.6.2 編寫單位時間調用的函數
16.6.3 多股票持倉量化交易策略的回測
16.7 醫藥股輪動量化交易策略實戰案例
16.7.1 編寫初始化函數
16.7.2 編寫選股函數
16.7.3 編寫交易函數
16.7.4 醫藥股輪動量化交易策略的回測
16.8 中市值股票量化交易策略實戰案例
16.8.1 編寫初始化函數
16.8.2 編寫選股函數
16.8.3 編寫過濾停牌股票函數
16.8.4 編寫交易函數
16.8.5 中市值股票量化交易策略的回測
16.9 低估價值股量化交易策略實戰案例
16.9.1 編寫初始化函數
16.9.2 編寫選股函數
16.9.3 編寫交易函數
16.9.4 低估價值股量化交易策略的回測

《從零開始學Python大數據與量化交易》首先講解量化交易的基礎知識，如量化交易的優勢、應用、注意事項、歷史、量化交易平臺等；然後講解量化交易開發語言Python，即講解Python語言的開發環境、基本語法及流程控制、特征數據類型、內置函數與自定義用戶函數、面向對像編程；接著講解大數據分析和可視化的3個包，分別是Numpy包、Pandas包、Matplotlib包；然後講解量化交易策略的編寫、獲取數據函數、基本面量化選股、量化擇時的技術指標函數、回測技巧、因子分析技巧；最後講解Python量化交易策略的實戰案例。
在講解過程中既考慮讀者的學習習慣，又通過具體實例剖析講解Python大數據與量化交易過程中的熱點問題、關鍵問題及種種難題。
《從零開始學Python大數據與量化交易》適用於各種不同的投資者，如新老股民、中小散戶、股票、基金和專業股票評論人士以及經濟財經類專等