Python股票量化交易从入门到实践股票炒股书籍趋势技术分析入门基础知识量化投资 pdf下载

基本信息

• 商品名称：Python股票量化交易从入门到实践/金融科技系列
• 作者：袁霄|责编:胡俊英
• 定价：99.8
• 出版社：人民邮电
• 书号：9787115536075

其他参考信息（以实物为准）

• 出版时间：2020-07-01
• 印刷时间：2021-07-01
• 版次：1
• 印次：8
• 开本：16开
• 包装：平装
• 页数：342
• 字数：449千字

内容提要

量化交易是一种新兴的 系统化的金融投资方法，它 是以计算机强大的运算能力 为基础，运用数据建模、统 计学分析、程序设计等工具 从历史数据中得到良好的交 易策略，是计算机科学在金 融领域的具体应用。Python 语言凭借其简洁、高效的特 性，以及其在大数据分析方 面的强大性能，在量化交易 领域得到了良好的应用。
     本书以A股市场为交易标 的物，引导读者从理解量化 交易开始，逐步掌握行情数 据的获取和管理、技术指标 的可视化，并在熟练编程的 基础上，构建出个性化的交 易策略体系。
     本书适合对股票的量化 交易感兴趣的读者阅读，通 过阅读本书，读者不仅能够 了解Python数据分析和数据 可视化的核心技能， 能够 将Python作为常用工具，为 股票技术指标分析和量化交 易提供助力。
    

目录

第1章 理解Python股票量化交易
1.1 多角度分析量化交易
1.1.1 量化交易的本质
1.1.2 量化交易的发展
1.1.3 量化交易的优势
1.1.4 量化交易的过程
1.2 多角度分析股票价格
1.2.1 从股票的起源看本质
1.2.2 如何衡量股票溢价
1.2.3 股票收益的组成
1.2.4 股价波动的原因
1.3 为什么选择Python语言
1.3.1 概述编程语言的发展
1.3.2 面向过程和面向对象
1.3.3 Python的起源及优势
1.4 本章总结
第2章 量化语言Python的关键应用
2.1 快速部署Python开发环境
2.1.1 Python环境安装
2.1.2 第三方库安装
2.1.3 开发工具安装
2.2 开启Python的 个程序
2.2.1 如何建立标准py文件
2.2.2 区分模块、包、库
2.2.3 import发挥扩展优势
2.2.4 调试助手print()函数
2.3 何为Python动态类型特性
2.3.1 变量的种类
2.3.2 动态类型的特性
2.3.3 内存管理与回收
2.3.4 深入探究PyObject
2.4 如何正确地创建函数
2.4.1 用def关键字定义函数
2.4.2 参数传递的形式
2.4.3 匿名函数lambda
2.5 初识Python面向对象
2.5.1 父类、子类和实例
2.5.2 元类和类及object和type
2.5.3 经典类和新式类的区别
2.6 如何用面向对象思维编程
2.6.1 如何正确地构建类
2.6.2 类的实例化全过程
2.6.3 如何引用类的属性
2.6.4 如何引用类的方法
2.6.5 类的继承机制应用
2.6.6 类的组合机制应用
2.7 深入理解for-in循环
2.7.1 for-in循环的原理
2.7.2 for-in循环的使用技巧
2.7.3 生成器的原理和作用
2.8 巧用装饰器测试代码效率
2.9 多进程和多线程的提速方案
2.9.1 多进程和多线程
2.9.2 Python的GIL原理
2.9.3 多任务的解决方案
2.10 未雨绸缪的异常处理机制
2.10.1 分析try-except常规机制
2.10.2 扩展try-except使用技巧
2.11 本章总结
第3章 第三方库NumPy快速入门
3.1 初识N维数组对象
3.2 N维数组对象的特性
3.2.1 矢量运算的特性
3.2.2 广播运算的特性
3.2.3 用条件表达式选取元素
3.3 高效处理性能的对比
3.4 用常用数组处理函数
3.4.1 创建数组的函数
3.4.2 元素级处理函数
3.4.3 线性代数相关函数
3.5 本章总结
第4章 第三方库Pandas快速入门
4.1 Series和DataFrame概览
4.2 Series的生成和访问
4.2.1 Series的生成方法
4.2.2 Series的访问方法
4.3 DataFrame的生成和访问
4.3.1 DataFrame的生成方法
4.3.2 DataFrame的索引访问
4.3.3 DataFrame的元素访问
4.3.4 元素标签和位置的转换
4.3.5 用条件表达式访问元素
4.4 时间序列的生成和转换
4.4.1 用datetime生成时间序列
4.4.2 用Pandas生成时间序列
4.4.3 时间序列的降采样
4.4.4 时间序列的升采样
4.5 DataFrame的规整化处理
4.5.1 模拟生成股票行情数据
4.5.2 DataFrame概览
4.5.3 DataFrame的可视化
4.5.4 DataFrame缺失值处理
4.5.5 DataFrame精度的转换
4.5.6 DataFrame合并处理
4.6 DataFrame的高效遍历
4.6.1 循环遍历的几种方式
4.6.2 循环遍历的性能对比
4.7 DataFrame的存储和加载
4.7.1 将DataFrame存储至CSV
4.7.2 将CSV加载为DataFrame
4.8 本章总结
第5章 第三方库Matplotlib快速入门
5.1 两种绘图方式的区分
5.1.1 函数式绘图
5.1.2 对象式绘图
5.2 常用图表类型的绘制
5.2.1 折线图的绘制
5.2.2 标注点的绘制
5.2.3 参考线/区域的绘制
5.2.4 双y轴图表的绘制
5.2.5 条形图的绘制
5.2.6 直方图的绘制
5.2.7 K线图的绘制
5.3 图形对象属性参数的调节
5.4 多子图对象的创建和布局
5.4.1 创建多子图对象的方法
5.4.2 布局多子图对象的方法
5.5 注意事项
5.5.1 tight_layout()出错问题
5.5.2 中文显示乱码问题
5.6 本章总结
第6章 统计概率理论快速入门
6.1 统计概率的基础知识
6.1.1 随机事件与概率的关系
6.1.2 离散和连续随机变量
6.1.3 典型的随机变量分布
6.2 深入理解伯努利分布
6.2.1 伯努利分布的随机数
6.2.2 伯努利分布的概率
6.2.3 伯努利分布的市场模型
6.3 深入理解正态分布
6.3.1 正态分布的随机数
6.3.2 生成概率密度函数
6.3.3 正态分布与随机漫步
6.4 本章总结
第7章 股票行情数据的获取和管理
7.1 如何获取股票行情数据
7.1.1 用Panads获取股票数据
7.1.2 用Tushar