量化交易領(lǐng)域的飛速發(fā)展，得到了越來越多業(yè)內(nèi)外人士的關(guān)注。而Python作為一門功能強大且易于上手的編程語言，可以快速將想法付諸實踐。因此，本書希望可以引領(lǐng)讀者初步了解量化交易，并借助Python這個工具在該領(lǐng)域有所建樹。
本書先從量化交易的基本概念講起，然后講解Python的基本語法及常見庫的使用，在每章節(jié)的學(xué)習(xí)中都以金融量化為實例，并在最后結(jié)合實戰(zhàn)項目來進行學(xué)習(xí)和鞏固，讀者不但可以系統(tǒng)地學(xué)習(xí)Python編程的相關(guān)知識，而且還能學(xué)習(xí)到Python在量化交易場景下的應(yīng)用。
本書內(nèi)容通俗易懂，案例豐富，適合零基礎(chǔ)并對Python量化感興趣的讀者，以及想學(xué)習(xí)量化交易實戰(zhàn)項目的Python初學(xué)者。此外，本書也適合作為相關(guān)培訓(xùn)機構(gòu)的培訓(xùn)教材。
丁奉乾：CSDN博客專家，博客訪問量已過百萬，微信公眾號“人工智能量化實驗室”創(chuàng)始人，目前已發(fā)表多篇SCI學(xué)術(shù)論文，擁有多項國家發(fā)明專利和軟件著作權(quán)。擅長Python編程，專注于人工智能量化領(lǐng)域研究，并有豐富的量化金融項目經(jīng)驗。
基礎(chǔ)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(guī)避方法
1.4 量化交易平臺介紹
1.5 本章小結(jié)
第2章 Python環(huán)境的搭建
2.1 關(guān)于Python
2.2 安裝Python的發(fā)行版Anaconda
2.3 安裝Python IDE PyCharm
2.4 本章小結(jié)
第3章 量化交易場景下Python基礎(chǔ)知識的準備
3.1 Python變量：金融數(shù)據(jù)的表示形式
3.2 條件判斷語句：交易點的觸發(fā)
3.3 循環(huán)語句：開啟歷史數(shù)據(jù)的回測
3.4 函數(shù)：提高代碼的利用率
3.5 面向?qū)ο螅航灰撞呗缘膶嵗?
3.6 常用內(nèi)置模塊及模塊的安裝：解鎖更多新功能
3.7 本章小結(jié)
高級篇
第4章 用NumPy來進行數(shù)據(jù)操作 82
4.1 NumPy庫的介紹與安裝
4.2 Ndarray數(shù)組
4.3 NumPy的常用操作
4.4 NumPy在金融數(shù)據(jù)中的應(yīng)用
4.5 本章小結(jié)
第5章 借助Pandas進行數(shù)據(jù)分析
5.1 Pandas庫的介紹與安裝
5.2 Series類型數(shù)據(jù)
5.3 DataFrame類型數(shù)據(jù)
5.4 Pandas中常用函數(shù)的使用
5.5 Pandas對金融數(shù)據(jù)的操作
5.6 本章小結(jié)
第6章 通過Matplotlib對數(shù)據(jù)可視化
6.1 Matplotlib庫的介紹與安裝
6.2 Matplotlib的基本操作
6.3 Matplotlib繪制常見圖像
6.4 Matplotlib對圖像屬性的設(shè)置
6.5 Matplotlib繪制多個子圖
6.6 金融數(shù)據(jù)的可視化操作
6.7 本章小結(jié)
第7章 歷史數(shù)據(jù)的獲取
7.1 通過Tushare庫獲取歷史數(shù)據(jù)
7.2 通過新浪財經(jīng)API獲取歷史數(shù)據(jù)
7.3 通過Pandas_datareader獲取歷史數(shù)據(jù)
7.4 其他獲取歷史數(shù)據(jù)的方式
7.5 本章小結(jié)
第8章 量化交易的利器
8.1 Ta-Lib庫的介紹與安裝
8.2 市場技術(shù)指標的計算
8.3 K線組合的模式識別
8.4 FFn庫的介紹與安裝
8.5 風險指標的計算
8.6 兩種經(jīng)典策略的實現(xiàn)
8.7 本章小結(jié)
第9章 時間序列分析
9.1 Statsmodels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(guān)性分析
9.4 時間序列平穩(wěn)性分析
9.5 時間序列協(xié)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(yīng)用
9.8 本章小結(jié)
實戰(zhàn)篇
第10章 基于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(xiàn)
10.3 本章小結(jié)
第11章 機器學(xué)習(xí)實戰(zhàn)——利用支持向量機（SVM）進行趨勢預(yù)測
11.1 機器學(xué)習(xí)庫Sklearn的介紹與安裝
11.2 機器學(xué)習(xí)基本知識介紹
11.3 支持向量機介紹
11.4 支持向量機預(yù)測模型的實現(xiàn)
11.5 本章小結(jié)
第12章 深度學(xué)習(xí)實戰(zhàn)——利用循環(huán)神經(jīng)網(wǎng)絡(luò)（RNN）進行價格預(yù)測
12.1 深度學(xué)習(xí)庫TensorFlow的介紹與安裝
12.2 TensorFlow的基本概念與結(jié)構(gòu)
12.3 循環(huán)神經(jīng)網(wǎng)絡(luò)介紹
12.4 循環(huán)神經(jīng)網(wǎng)絡(luò)預(yù)測模型的搭建
12.5 本章小結(jié)
第13章 接觸實盤——利用vn.py進行量化交易
13.1 初識vn.py
13.2 vn.py運行環(huán)境的準備
13.3 vn.py國內(nèi)期貨CTP的配置
13.4 通過vn.py進行策略回測
13.5 基于vn.py實現(xiàn)R-Breaker策略
13.6 通過vn.py進行自動化交易
13.7 本章小結(jié)
附錄 常見的Python量化交易框架介紹
書單推薦
