第1章 ?準(zhǔn)備工作1

1.1 ?Python的安裝與設(shè)置1

1.2 ?常見的Python庫2

第2章 ?Python基礎(chǔ)介紹7

2.1 ?Python學(xué)習(xí)準(zhǔn)備7

2.2 ?Python語法基礎(chǔ)11

2.2.1 ?常量與變量11

2.2.2 ?數(shù)與字符串11

2.2.3 ?數(shù)據(jù)類15

2.2.4 ?標(biāo)識符18

2.2.5 ?對象19

2.2.6 ?行與縮進20

2.2.7 ?注釋22

2.3 ?Python運算符與表達式22

2.3.1 ?算數(shù)運算符22

2.3.2 ?比較運算符24

2.3.3 ?邏輯運算符25

2.3.4 ?Python中的優(yōu)先級27

2.4 ?Python中的控制流27

2.4.1 ?控制流的功能28

2.4.2 ?Python的三種控制流29

2.4.3 ?認(rèn)識分支結(jié)構(gòu)if30

2.4.4 ?認(rèn)識循環(huán)結(jié)構(gòu)for…in32

2.4.5 ?認(rèn)識循環(huán)結(jié)構(gòu)while33

2.4.6 ?break語句與continue語句35

2.5 ?Python函數(shù)39

2.5.1 ?認(rèn)識函數(shù)39

2.5.2 ?形參與實參40

2.5.3 ?全局變量與局部變量44

2.5.4 ?對函數(shù)的調(diào)用與返回值45

2.5.5 ?文檔字符串46

2.6 ?Python模塊47

2.6.1 ?認(rèn)識Python模塊47

2.6.2 ?from…import詳解49

2.6.3 ?認(rèn)識__name__屬性50

2.6.4 ?自定義模塊50

2.6.5 ?dir()函數(shù)51

2.7 ?Python異常處理與文件操作52

2.7.1 ?Python異常處理52

2.7.2 ?異常的發(fā)生55

2.7.3 ?try…finally的使用56

2.7.4 ?文件操作57

第3章 ?Python進階59

3.1 ?NumPy的使用59

3.1.1 ?多維數(shù)組ndarray59

3.1.2 ?ndarray的數(shù)據(jù)類型60

3.1.3 ?數(shù)組索引、切片和賦值61

3.1.4 ?基本的數(shù)組運算62

3.1.5 ?隨機數(shù)63

3.2 ?Pandas的使用67

3.2.1 ?Pandas的數(shù)據(jù)結(jié)構(gòu)68

3.2.2 ?Pandas輸出設(shè)置70

3.2.3 ?Pandas數(shù)據(jù)讀取與寫入70

3.2.4 ?數(shù)據(jù)集快速描述性統(tǒng)計分析71

3.2.5 ?根據(jù)已有的列建立新列72

3.2.6 ?DataFrame按多列排序73

3.2.7 ?DataFrame去重73

3.2.8 ?刪除已有的列74

3.2.9 ?Pandas替換數(shù)據(jù)75

3.2.10 ?DataFrame重命名75

3.2.11 ?DataFrame切片與篩選76

3.2.12 ?連續(xù)型變量分組78

3.2.13 ?Pandas分組技術(shù)79

3.3 ?SciPy的初步使用83

3.3.1 ?回歸分析84

3.3.2 ?插值87

3.3.3 ?正態(tài)性檢驗89

3.3.4 ?凸優(yōu)化93

3.4 ?Matplotlib的使用97

3.5 ?Seaborn的使用97

3.5.1 ?主題管理98

3.5.2 ?調(diào)色板101

3.5.3 ?分布圖102

3.5.4 ?回歸圖104

3.5.5 ?矩陣圖106

3.5.6 ?結(jié)構(gòu)網(wǎng)格圖108

3.6 ?Scikit-Learn的初步使用109

3.6.1 ?Scikit-Learn學(xué)習(xí)準(zhǔn)備110

3.6.2 ?常見的機器學(xué)習(xí)模型111

3.6.3 ?模型評價方法——metric模塊120

3.6.4 ?深度學(xué)習(xí)124

3.7 ?SQLAlchemy與常用數(shù)據(jù)庫的連接124

3.7.1 ?連接數(shù)據(jù)庫125

3.7.2 ?讀取數(shù)據(jù)126

3.7.3 ?存儲數(shù)據(jù)126

第4章 ?常用數(shù)據(jù)的獲取與整理129

4.1 ?金融數(shù)據(jù)類型129

4.2 ?金融數(shù)據(jù)的獲取131

4.3 ?數(shù)據(jù)整理135

4.3.1 ?數(shù)據(jù)整合135

4.3.2 ?數(shù)據(jù)過濾137

4.3.3 ?數(shù)據(jù)探索與數(shù)據(jù)清洗138

4.3.4 ?數(shù)據(jù)轉(zhuǎn)化140

第5章 ?通聯(lián)數(shù)據(jù)回測平臺介紹143

5.1 ?回測平臺函數(shù)與參數(shù)介紹144

5.1.1 ?設(shè)置回測參數(shù)144

5.1.2 ?accounts賬戶配置154

5.1.3 ?initialize(策略初始化環(huán)境)160

5.1.4 ?handle_data(策略運行邏輯)160

5.1.5 ?context(策略運行環(huán)境)160

5.2 ?股票模板實例168

5.3 ?期貨模板實例173

5.4 ?策略回測詳情179

5.5 ?策略的風(fēng)險評價指標(biāo)181

5.6 ?策略交易細(xì)節(jié)184

第6章 ?常用的量化策略及其實現(xiàn)187

6.1 ?量化投資概述187

6.1.1 ?量化投資簡介187

6.1.2 ?量化投資策略的類型188

6.1.3 ?量化研究的流程189

6.2 ?行業(yè)輪動理論及其投資策略192

6.2.1 ?行業(yè)輪動理論簡介192

6.2.2 ?行業(yè)輪動的原因192

6.2.3 ?行業(yè)輪動投資策略194

6.3 ?市場中性Alpha策略199

6.3.1 ?市場中性Alpha策略介紹199

6.3.2 ?市場中性Alpha策略的思想和方法200

6.3.3 ?實例展示201

6.4 ?大師策略206

6.4.1 ?麥克·歐希金斯績優(yōu)成分股投資法207

6.4.2 ?杰拉爾丁·維斯藍籌股投資法211

6.5 ?CTA策略219

6.5.1 ?趨勢跟隨策略219

6.5.2 ?均值回復(fù)策略241

6.5.3 ?CTA策略表現(xiàn)分析253

6.6 ?Smart Beta258

6.6.1 ?基于權(quán)重優(yōu)化的Smart Beta258

6.6.2 ?基于風(fēng)險因子的Smart Beta268

6.7 ?技術(shù)指標(biāo)類策略281

6.7.1 ?AROON指標(biāo)281

6.7.2 ?BOLL指標(biāo)285

6.7.3 ?CCI指標(biāo)288

6.7.4 ?CMO指標(biāo)293

6.7.5 ?Chaikin Oscillator指標(biāo)295

6.7.6 ?DMI指標(biāo)299

6.7.7 ?優(yōu)礦平臺因子匯總302

6.8 ?資產(chǎn)配置317

6.8.1 ?有效邊界318

6.8.2 ?Black-Litterman模型335

6.8.3 ?風(fēng)險平價模型349

6.9 ?時間序列分析358

6.9.1 ?與時間序列分析相關(guān)的基礎(chǔ)知識358

6.9.2 ?自回歸(AR)模型365

6.9.3 ?滑動平均(MA)模型372

6.9.4 ?自回歸滑動平均(ARMA)模型376

6.9.5 ?自回歸差分滑動平均(ARIMA)模型379

6.10 ?組合優(yōu)化器的使用384

6.10.1 ?優(yōu)化器的概念384

6.10.2 ?優(yōu)化器的API接口386

6.10.3 ?優(yōu)化器實例388

6.11 ?期權(quán)策略：Greeks和隱含波動率微笑計算392

6.11.1 ?數(shù)據(jù)準(zhǔn)備392

6.11.2 ?Greeks和隱含波動率計算394

6.11.3 ?隱含波動率微笑401

第7章 ?量化投資十問十答405

總結(jié)

以上是生活随笔為你收集整理的王小川 python_Python与量化投资：从基础到实战的全部內(nèi)容，希望文章能夠幫你解決所遇到的問題。

如果覺得生活随笔網(wǎng)站內(nèi)容還不錯，歡迎將生活随笔推薦給好友。