Python量化交易实战

在目前不断变化、蓬勃发展的中国资本市场，量化投资作为新兴的投资方法，引来越来越多的关注，使用量化投资技术的证券从业人员也越来越多。 本书分为11章，内容包括Python环境的搭建、Python数据相关类库的使用、掘金量化终端的使用、Talib金融库的详解、多因子策略的介绍、带技术指标的多因子策略、中证红利指数增强策略、回归分析与TensorFlow、回归模型的经典应用、配对交易的魔力等。 本书可作为量化投资技术初学者、证券从业人员、金融投资人员的自学用书，也可作为金融机构的培训用书，还可作为高等院校相关专业师生的教学参考书。

王晓华，高校资深计算机专业讲师，给研究生和本科生讲授面向对象程序设计、数据结构、Hadoop程序设计等相关课程。主要研究方向为云计算、数据挖掘。曾主持和参与多项国家和省级科研课题，独立完成一项科研成果获省级成果认定，发表过多篇论文，申请有一项专利。著有《Spark MLlib机器学习实践》等图书。

第1章 走进量化投资
1.1 量化投资的诞生背景
1.2 量化投资的特点
1.3 量化投资的应用
1.4 量化投资在我国股市的发展前景
1.5 小结
第2章 Python的安装与使用
2.1 Python的基本安装和用法
2.1.1 Anaconda的下载与安装
2.1.2 Python编译器PyCharm的安装
2.1.3 使用Python计算softmax函数
2.2 Python常用类库中的threading
2.2.1 threading库的使用
2.2.2 threading模块中最重要的Thread类
2.2.3 threading中的Lock类
2.2.4 threading中的join类
2.3 小结
第3章 Python类库的使用――数据处理及可视化展示
3.1 从小例子起步――NumPy的初步使用
3.1.1 数据的矩阵化
3.1.2 数据分析
3.1.3 基于统计分析的数据处理
3.2 图形化数据处理――Matplotlib包的使用
3.2.1 差异的可视化
3.2.2 坐标图的展示
3.2.3 大规模数据的可视化
3.3 常用的统计分析方法――相似度计算
3.3.1 基于欧几里得距离的相似度计算
3.3.2 基于余弦角度的相似度计算
3.3.3 欧几里得相似度与余弦相似度的比较
3.4 数据的统计学可视化展示
3.4.1 数据的四分位
3.4.2 数据的四分位示例
3.4.3 数据的标准化
3.4.4 数据的平行化处理
3.4.5 热点图-属性相关性检测
3.5 Python实战：某地降雨的关系处理
3.5.1 不同年份的相同月份统计
3.5.2 不同月份之间的增减程度比较
3.5.3 每月的降水量是否相关
3.6 小结
第4章 欢迎来到掘金量化
4.1 基础工作
4.1.1 安装掘金终端
4.1.2 获取帮助
4.2 实战：使用掘金终端进行回测工作
4.2.1 创建第一个策略
4.2.2 运行回测
4.2.3 查看回测结果
4.2.4 使用PyCharm进行回测
4.3 小结
第5章 Talib金融库使用详解
5.1 Talib金融工具库的介绍
5.1.1 使用Talib获取3日、7日、15日均线
5.1.2 EMA的计算
5.1.3 MACD的计算
5.1.4 MACD斜率的计算方法
5.1.5 使用Talib实现国内金融数据指标
5.2 Talib金融工具库函数
5.2.1 Talib常用函数介绍
5.2.2 Talib图像形态识别
5.3 实战：Talib金融工具回测实战
5.3.1 根据MACD变化回测2017年盈利情况
5.3.2 股价的波动范围及未来走势判定
5.4 两种经典的轨道突破策略
5.4.1 Dual Thrust策略
5.4.2 Dynamic Breakout II策略
5.5 小结
第6章 多因子策略
6.1 一个奇怪的问题
6.1.1 因子是什么
6.1.2 选取因子
6.1.3 单因子选股轮动测试
6.2 因子的量化选择
6.2.1 基于IC值的多因子计算方法
6.2.2 基于IC值的多因子计算方法（续）
6.2.3 因子IC值计算的目标，等权法因子值的合成
6.3 实战：基于成长因子的模型测试
6.3.1 模型说明
6.3.2 使用模型进行回测
6.4 霍华？罗斯曼的投资模型
6.4.1 霍华？罗斯曼简介
6.4.2 霍华？罗斯曼的投资模型
6.4.3 对霍华？罗斯曼模型的分析
6.5 小结
第7章 带技术指标的多因子策略
7.1 技术面多因子介绍
7.1.1 101个技术因子
7.1.2 基于Talib的技术因子重写
7.1.3 一个基于放量技术因子策略的回测
7.2 较为复杂的技术因子
7.2.1 阻力支撑相对强度因子介绍
7.2.2 改进的RSRS因子与回测数据
7.2.3 价差偏离度因子介绍
7.3 简单的技术性因子―波动率因子
7.3.1 波动率因子介绍
7.3.2 更多的波动率因子
7.4 实战：一个回测成功率100%的中长线买卖例子
7.4.1 技术指标的设计
7.4.2 回测的设计
7.5 小结
第8章 人人都是基金经理――中证红利指数增强策略
8.1 中证红利指数基金介绍
8.1.1 红利指数基金的由来
8.1.2 中证红利简介
8.2 基于中证红利的指数增强基金策略的构建
8.2.1 中证红利策略的构建方法
8.2.2 策略回测与优化
8.3 小结
第9章 掘金量化――回归分析基础
9.1 回归分析基础
9.1.1 回归法简介
9.1.2 一元线性回归
9.1.3 多元线性回归
9.1.4 回归法的解法――最小二乘法详解
9.2 回归分析的一些其他计算方法
9.2.1 梯度下降算法与使用TensorFlow计算线性回归
9.2.2 线性回归的姐妹――逻辑回归
9.3 实战：回归分析――短时间开盘价与收盘价之间的关系
9.3.1 量化策略基本思路与简单实现
9.3.2 使用掘金量化实现回测
9.4 买还是卖――逻辑回归帮你做决定
9.4.1 逻辑回归是一种分类算法
9.4.2 逻辑回归的TensorFlow实现
9.4.3 使用TensorFlow的逻辑回归进行回测
9.5 机器学习策略――支持向量机
9.5.1 支持向量机的基本概念
9.5.2 使用支持向量机进行回测
9.6 小结
第10章 回归模型的经典应用
10.1 CAPM模型简介
10.1.1 CAPM定价模型的提出
10.1.2 CAPM定价模型的公式与假设
10.1.3 CAPM中Beta的定义
10.2 Fama-French三因子模型
10.2.1 Fama-French模型的基础公式
10.2.2 Fama-French模型的实现与回测
10.3 PB-ROE回归模型的使用
10.3.1 PB-ROE模型介绍
10.3.2 PB-ROE模型的实现
10.3.3 基于上证180的股票回测
10.3.4 使用自定义股票池的PB-ROE回测
10.4 小结
第11章 配对交易的魔力
11.1 配对交易的基本理论
11.1.1 相关性分析
11.1.2 均值、方差与协方差
11.2 协整性的判定与检验
11.2.1 协整性
11.2.2 平稳性的检验方法
11.3 配对交易
11.3.1 配对交易的算法
11.3.2 提取股票的相关性
11.3.3 协整系数的计算方法
11.4 配对交易的魔力
11.4.1 前期计算
11.4.2 协整性判断
11.4.3 使用量化掘金回测系统对结果进行判定
11.5 小结