金融科技 量化投资的Python实施

本书以Python语言、BigQuant量化投资平台、Backtrader量化交易软件等为基础，介绍金融投资方法与策略的Python应用。本书内容丰富，结合实例，有很强的针对性，书中各章详细地介绍了各种金融投资分析方法结合实例的Python应用及具体操作过程，读者按照书中介绍一步一步地实际操作，就能掌握全书的内容。

本书共5篇23章，内容包括:(1)量化投资基础及Python应用环境；(2)Python程序设计基础；(3)Python金融投资数据获取；(4)Python工具库NumPy数组与矩阵计算；(5)Python工具库SciPy优化与统计；(6)Pandas金融投资数据分析；(7)Python描述性统计；(8)Python相关分析与回归分析；(9)Python金融时间序列的自相关性与平稳性；(10)Python金融时间序列分析的ARIMA模型；(11)Python金融时间序列分析的ARCH与GARCH模型；(12)Python计算资产组合的收益率与风险；(13)Python优化工具在投资组合均值方差模型中的应用；(14)Python应用于存在无风险资产的均值方差模型；(15)Python在资本资产定价模型中的应用；(16)贝塔对冲策略；(17)量化选股策略；(18)量化择时策略；(19)量化选股与量化择时组合策略；(20)量化投资统计套利的协整配对交易策略；(21)基于Python环境的配对交易策略；(22)人工智能机器学习算法量化投资；(23)Backtrader量化交易软件介绍。
本书内容新颖、全面，实用性强，融理论、方法、应用于一体，可作为金融科技、金融工程、金融学、投资学、保险学、会计学、财务管理、经济学、财政学、统计学、数量经济学、管理科学与工程、应用数学、计算机应用技术等专业的高年级本科生和研究生的教材或参考书。

朱顺泉，男，汉族，湖南省邵东市人。2001南大学管理科学与工程专业金融工程方向研究生毕业，获管理学博士学位，2004年于上海财经大学应用经济学专业金融计量与统计方向博士后研究出站，2006年评为教授。曾先后工作于湖南财经学院、湖南大学、暨南大学等，指导各类硕士生90余人，现为广东财经大学金融学院教授，长期从事本科生与研究生的投资学、金融工程、公司金融、金融市场、金融计量学、经济博弈论、数据模型与决策等课程的教学和科研工作，一直致力于财经与科技相结合的交叉应用研究。发表学术论文一百余篇，主持完成国家社会科学项目、国家级一流专业建设点项目、教育部社会科学项目、广东省一流专业建设点项目、广东省科技计划项目、广东省哲学社会科学项目等共十余项。

第1篇 量化投资基础与Python环境
第1章 量化投资基础及Python应用环境
1.1 量化投资基础
1.2 为什么选择Python工具
1.3 下载安装Python执行文件
1.4 Python工具Anaconda的下载
1.5 Python的安装
1.6 Python的启动和退出
练习题
第2章 Python程序设计基础
2.1 Python基本知识
2.2 Python数据结构
2.3 Python函数
2.4 几个常用函数
2.5 Python条件与循环
2.6 Python类与对象
练习题
第3章 Python金融投资数据获取
3.1 金融投资数据获取的Tushare模块
3.2 金融投资数据获取的Baostock模块
3.3 金融投资数据获取的Yfinance模块
3.4 Pandas_datareader获取金融投资数据
3.5 Quandl财经数据接口
练习题
第4章 Python工具库NumPy数组与矩阵计算
4.1 NumPy概述
4.2 NumPy数组对象
4.3 创建数组
4.4 数组操作
4.5 数组元素访问
4.6 矩阵操作
4.7 缺失值处理
练习题
第5章 Python工具库SciPy优化与统计
5.1 SciPy概述
5.2 scipy.optimize优化方法
5.3 scipy.optimize的minimize.工具在投资组合资产配置中的应用
5.4 scipy.stats的统计方法
练习题
第6章 Pandas金融投资数据分析
6.1 Pandas数据对象基础知识
6.2 Pandas获取金融投资数据
6.3 Pandas金融投资数据分析
练习题
第2篇 Python统计分析
第7章 Python描述性统计
7.1 描述性统计的Python工具
7.2 数据集中趋势的度量
7.3 数据离散状况的度量
7.4 峰度、偏度与正态性检验
7.5 异常数据处理
练习题
第8章 Python相关分析与回归分析
8.1 Python相关分析
8.2 Python一元线性回归分析的Statsmodels应用
8.3 Python多元线性回归分析
练习题
第3篇 Python金融时间序列分析
第9章 Python金融时间序列的自相关性与平稳性
9.1 引言
9.2 自相关性
9.3 平稳性
9.4 白噪声和随机游走
9.5 Python模拟白噪声和平稳性检验
9.6 沪深300近三年来数据的平稳性检验分析
练习题
第10章 Python金融时间序列分析的ARIMA模型
10.1 引言
10.2 AR模型
10.3 MA模型
10.4 ARMA模型
10.5 ARIMA模型
10.6 结语
练习题
第11章 Python金融时间序列分析的ARCH与GARCH模型
11.1 引言
11.2 股票收益率时间序列特点
11.3 ARCH模型
11.4 GARCH模型
11.5 结语
练习题
第4篇 Python金融投资理论
第12章 Python计算资产组合的收益率与风险
12.1 持有期收益率
12.2 单项资产的期望收益率
12.3 单项资产的风险
12.4 单项资产的期望收益和风险的估计
12.5 单项资产之间的协方差与相关系数
12.6 Python计算资产组合的期望收益和风险
练习题
第13章 Python优化工具在投资组合均值方差模型中的应用
13.1 资产组合的可行集
13.2 有效边界与有效组合
13.3 Python应用于标准均值方差模型
13.4 两基金分离定理
13.5 Python绘制资产组合的有效边界
13.6 Python应用于Markowitz投资组合优化
练习题
第14章 Python应用于存在无风险资产的均值方差模型
14.1 存在无风险资产的均值方差模型及其Python应用
14.2 无风险资产对最小方差组合的影响
14.3 Python应用于存在无风险资产的两基金分离定理
14.4 预期收益率与贝塔关系式
14.5 Python应用于一个无风险资产和两个风险资产的组合
14.6 Python应用于默顿定理
14.7 Python应用于布莱克-利特曼（Black-Litterman）模型
练习题
第15章 Python在资本资产定价模型中的应用
15.1 资本资产定价模型假设
15.2 Python应用于资本市场线
15.3 Python应用于证券市场线
15.4 Python应用于价格型资本资产定价模型
15.5 Python应用于资本资产定价模型CAPM实际数据
练习题
第5篇 Python量化投资策略
第16章 贝塔对冲策略
16.1 贝塔对冲模型
16.2 贝塔对冲策略
16.3 市场风险对冲策略案例
16.4 市场风险对冲的进一步分析
练习题
第17章 量化选股策略
17.1 小市值的量化选股策略
17.2 基本面财务指标的量化选股策略
练习题
第18章 量化择时策略
18.1 Talib技术分析工具库在量化择时中的应用
18.2 海龟量化择时策略
18.3 金叉死叉双均线量化择时策略
18.4 基于Python环境的量化择时策略
练习题
第19章 量化选股与量化择时组合策略
19.1 量化纯选股策略
19.2 量化选股与量化择时组合策略
练习题
……