| 作者 |
| 阿布 等 |
| 丛书名 |
| 出版社 |
| 机械工业出版社 |
| ISBN |
| 9782110261715 |
| 简要 |
| 简介 |
| 内容简介书籍计算机书籍 ---------------------------6479749 - 量化交易之路：用Python做股票量化分析--------------------------- 本书从量化交易的正确性认识出发，以Python语言为基础，循序渐进地讲解了量化交易所需要了解的各种知识及工具。书中特别穿插了大量的开发技巧和交易投资技巧，所有示例都基于量化交易及相关知识，体现了实战的特点。例如，在讲解机器学习技术在量化交易中的使用这部分内容时，并不需要读者有深厚的数学功底，而是偏重实际应用，讲解各种技术在量化交易领域的功用。本书共11章，分为4部分。第1部分讲解了量化交易的正确认识；第2部分讲解了量化交易的基础，如Python语言、数学和几种数据分析工具等；第3部分讲解了量化交易系统的开发与使用、基础度量概念及优参数等问题；第4部分讲解了机器学习技术在量化交易中的实战应用。附录中还给出了量化环境部署、量化相关性分析、量化统计分析及指标应用的相关内容。 ---------------------------6417929 - 量化炼金术：中低频量化交易策略研发--------------------------- 本书首先对量化交易策略的历史、内涵和特点进行了简述，然后给出了量化交易策略的基本研发流程。书中介绍了策略研发中的一些注意事项与应对方法，随后通过两个例子说明了择时策略和选股策略的基础研发框架；在介绍推进分析这一回测技术的基础上，又进一步完善了择时策略和选股策略的研发流程。然后，作者增加了策略风险这一维度，并给出了论述。在此基础上，作者介绍了仓位优化的择时策略和投资组合优化的选股策略，从而使得策略有能力对整体风险进行控制；并在两种策略中增加了交易成本的计算，让量化交易策略的回溯测试更贴近现实交易的情况。针对这些完善的策略，本书给出了相应的策略评价。最后对整本书的内容进行了总结，并讨论了策略研发中的主观控制等相关问题。 |
| 目录 |
| [套装书具体书目] 6417929 - 量化炼金术：中低频量化交易策略研发 - 9787111575320 - 机械工业出版社 - 定价 59 6479749 - 量化交易之路：用Python做股票量化分析 - 9787111575214 - 机械工业出版社 - 定价 89 ---------------------------6479749 - 量化交易之路：用Python做股票量化分析--------------------------- 前言 第1部分 对量化交易的正确认识 第1章 量化引言 2 1.1 什么是量化交易 2 1.2 量化交易：投资？投机？赌博？ 3 1.3 量化交易的优势 4 1.3.1 避免短线频繁交易 4 1.3.2 避免逆势操作 5 1.3.3 避免重仓交易 5 1.3.4 避免对胜率的盲目追求 6 1.3.5 确保交易策略的执行 6 1.3.6 独立交易及对结果负责的信念 6 1.3.7 从历史验证交易策略是否可行 7 1.3.8 寻找交易策略的最优参数 7 1.3.9 减少无意义的工作及干扰 7 1.4 量化交易的正确认识 8 1.4.1 不要因循守旧，认为量化交易是邪门歪道 8 1.4.2 不要异想天开，认为量化交易有神奇的魔法 8 1.4.3 不要抱有不劳而获的幻想 9 1.4.4 不要盲目追求量化策略的复杂性 9 1.4.5 认清市场，认清自己，知己知彼，百战不殆 10 1.5 量化交易的目的 11 第2部分 量化交易的基础 第2章 量化语言——Python 14 2.1 基础语法与数据结构 15 2.1.1 基本类型和语法 15 2.1.2 字符串和容器 17 2.2 函数 20 2.2.1 函数的使用和定义 20 2.2.2 lambda函数 21 2.2.3 高阶函数 22 2.2.4 偏函数 25 2.3 面向对象 25 2.3.1 类的封装 26 2.3.2 继承和多态 30 2.3.3 静态方法、类方法与属性 34 2.4 性能效率 38 2.4.1 itertools的使用 38 2.4.2 多进程 VS 多线程 41 2.4.3 使用编译库提高性能 43 2.5 代码调试 45 2.6 本章小结 48 第3章 量化工具——NumPy 49 3.1 并行化思想与基础操作 49 3.1.1 并行化思想 49 3.1.2 初始化操作 50 3.1.3 索引选取和切片选择 51 3.1.4 数据转换与规整 52 3.1.5 逻辑条件进行数据筛选 53 3.1.6 通用序列函数 54 3.1.7 数据本地序列化操作 57 3.2 基础统计概念与函数使用 57 3.2.1 基础统计函数的使用 57 3.2.2 基础统计概念 60 3.3 正态分布 62 3.3.1 正态分布基础概念 62 3.3.2 实例1：正态分布买入策略 64 3.4 伯努利分布 66 3.4.1 伯努利分布基础概念 67 3.4.2 实例2：如何在交易中获取优势 67 3.5 本章小结 71 第4章 量化工具——pandas 72 4.1 基本操作方法 72 4.1.1 DataFrame构建及方法 72 4.1.2 索引行列序列 73 4.1.3 金融时间序列 74 4.1.4 Series构建及方法 75 4.1.5 重采样数据 76 4.2 基本数据分析示例 78 4.2.1 总览分析数据 79 4.2.2 索引选取和切片选择 80 4.2.3 逻辑条件进行数据筛选 82 4.2.4 数据转换与规整 84 4.2.5 数据本地序列化操作 86 4.3 实例1：寻找股票异动涨跌幅阀值 87 4.3.1 数据的离散化 88 4.3.2 concat、append和merge的使用 89 4.4 实例2：星期几是这个股票的“好日子” 91 4.4.1 构建交叉表 92 4.4.2 构建透视表 94 4.5 实例3：跳空缺口 95 4.6 pandas三维面板的使用 98 4.7 本章小结 101 第5章 量化工具——可视化 102 5.1 使用Matplotlib可视化数据 102 5.1.1 Matplotlib可视化基础 102 5.1.2 Matplotlib子画布及loc的使用 104 5.1.3 K线图的绘制 105 5.2 使用Bokeh交互可视化 106 5.3 使用pandas可视化数据 107 5.3.1 绘制股票的收益及收益波动情况 107 5.3.2 绘制股票的价格与均线 109 5.3.3 其他pandas统计图形种类 110 5.4 使用Seaborn可视化数据 112 5.5 实例1：可视化量化策略的交易区间及卖出原因 115 5.6 实例2：标准化两个股票的观察周期 120 5.7 实例3：黄金分割线 124 5.7.1 黄金分割线的定义方式 124 5.7.2 多维数据绘制示例 127 5.8 技术指标的可视化 130 5.8.1 MACD指标的可视化 131 5.8.2 ATR指标的可视化 132 5.9 本章小结 133 第6章 量化工具——数学 134 6.1 回归与插值 134 6.1.1 线性回归 135 6.1.2 多项式回归 137 6.1.3 插值 138 6.2 蒙特卡罗方法与凸优化 139 6.2.1 你一生的追求到底能带来多少幸福 140 6.2.2 使用蒙特卡罗方法计算怎样度过一生最幸福 149 6.2.3 凸优化基础概念 152 6.2.4 全局求解怎样度过一生最幸福 153 6.2.5 非凸函数计算怎样度过一生最幸福 154 6.2.6 标准凸函数求最优 157 6.3 线性代数 159 6.3.1 矩阵基础知识 160 6.3.2 特征值和特征向量 162 6.3.3 PCA和SVD理论知识 163 6.3.4 PCA和SVD使用实例 164 6.4 本章小结 168 第3部分 量化交易系统的开发 第7章 量化系统——入门 170 7.1 趋势跟踪与均值回复 170 7.1.1 趋势跟踪和均值回复的周期重叠性 171 7.1.2 实例1：均值回复策略 176 7.1.3 实例2：趋势跟踪策略 184 7.2 仓位控制管理 188 7.2.1 凯利公式 189 7.2.2 一只股票的时间简史 190 7.2.3 三只小猪股票投资的故事 195 7.3 本章小结 202 第8章 量化系统——开发 203 8.1 abu量化系统择时 204 8.1.1 买入因子的实现 204 8.1.2 卖出因子的实现 210 8.1.3 滑点买入、卖出价格确定及策略实现 221 8.1.4 多只股票使用相同的因子进行择时 226 8.1.5 自定义仓位管理策略的实现 229 8.1.6 多只股票使用不同的因子进行择时 230 8.1.7 使用并行来提升择时的运行效率 231 8.2 abu量化系统选股 234 8.2.1 选股因子的实现 234 8.2.2 多个选股因子并行执行 240 8.2.3 使用并行来提升选股的运行效率 241 8.3 本章小结 242 第9章 量化系统——度量与优化 243 9.1 度量的基本使用方法 243 9.2 度量的基础 247 9.2.1 度量的基础概念 247 9.2.2 度量的可视化 250 9.3 基于Grid Search寻找因子最优参数 253 9.3.1 参数取值范围 253 9.3.2 参数进行排列组合 254 9.3.3 Grid Search寻找最优参数 255 9.3.4 度量结果的评分 258 9.3.5 不同权重的评分 262 9.4 资金限制对度量的影响 266 9.5 输入中文自动生成交易策略 272 9.6 本章小结 276 第4部分 机器学习在量化交易中的实战 第10章 量化系统——机器学习·猪老三 278 10.1 机器学习基础概念 278 10.1.1 小红帽识别毒蘑菇 278 10.1.2 3种机器学习问题 281 10.2 猪老三世界中的量化环境 282 10.3 有监督机器学习 286 10.3.1 猪老三使用回归预测股价 288 10.3.2 猪老三使用分类预测股票涨跌 294 10.3.3 通过决策树分类，绘制出决策图 297 10.4 无监督机器学习 299 10.4.1 使用降维可视化数据 299 10.4.2 猪老三使用聚类算法提高正确率 301 10.5 梦醒时分 303 10.5.1 回测中生成特征/切分训练测试集/成交买单快照 304 10.5.2 基于特征的交易预测 309 10.5.3 基于深度学习的交易预测 312 10.5.4 预测市场的混沌 316 10.6 本章小结 317 第11章 量化系统——机器学习abu 318 11.1 搜索引擎与量化交易 319 11.2 主裁 321 11.2.1 角度主裁 322 11.2.2 使用全局最优对分类簇集合进行筛选 331 11.2.3 跳空主裁 334 11.2.4 价格主裁 338 11.2.5 波动主裁 341 11.2.6 验证主裁是否称职 345 11.2.7 在abu系统中开启主裁拦截模式 348 11.3 边裁 351 11.3.1 角度边裁 352 11.3.2 价格边裁 354 11.3.3 波动边裁 354 11.3.4 综合边裁 355 11.3.5 验证边裁是否称职 355 11.3.6 在abu系统中开启边裁拦截模式 359 11.4 一定要赢得这场胜利，即使一切都不存在 360 11.5 本章小结 361 附录A 量化环境部署 362 附录B 量化相关性分析 381 附录C 量化统计分析及指标应用 388 ---------------------------6417929 - 量化炼金术：中低频量化交易策略研发--------------------------- 序言 第1章 引言 ┊1 1.1 量化交易策略简述 ┊2 1.2 量化交易策略的优缺点 ┊8 第2章 量化交易策略的研发流程 ┊14 2.1 量化交易策略的基本研发流程 ┊15 2.2 量化交易策略研发流程的进一步论述 ┊18 第3章 注意事项与应对 ┊23 3.1 未来信息的规避 ┊24 3.2 过度拟合与欠拟合 ┊27 3.3 回溯测试与真实环境的差异 ┊31 第4章 简单的择时策略 ┊36 4.1 择时策略的基本框架 ┊37 4.2 均线趋势策略的简单优化 ┊40 4.3 均线反转策略的简单优化 ┊44 4.4 自回归策略的简单优化 ┊47 第5章 简单的选股策略 ┊51 5.1 因子选股的基本框架 ┊52 5.2 市值因子 ┊55 5.3 反转因子 ┊63 5.4 多因子选股策略的简单优化 ┊69 第6章 推进分析 ┊76 6.1 推进分析框架 ┊77 6.2 多层推进分析 ┊82 6.3 推进分析下的验证 ┊86 第7章 推进的择时策略 ┊89 7.1 均线趋势策略的推进分析 ┊90 7.2 均线反转策略的推进分析 ┊94 7.3 均线混合策略的推进分析 ┊96 7.4 自回归策略的推进分析 ┊99 7.5 自回归策略的多层推进分析 ┊102 第8章 推进的选股策略 ┊107 8.1 多因子选股策略的推进分析 ┊108 8.2 多因子选股策略的多层推进分析 ┊115 第9章 风险 ┊123 9.1 常用的风险度量 ┊124 9.2 其他风险度量 ┊129 9.3 风险和收益的结合 ┊134 9.4 止损 ┊138 第10章 仓位决策 ┊142 10.1 凯利公式 ┊143 10.2 实用的仓位决策方法 ┊152 第11章 仓位优化的择时策略 ┊155 11.1 仓位优化的均线趋势策略 ┊156 11.2 仓位优化的自回归策略 ┊169 第12章 投资组合决策 ┊181 12.1 最优投资组合理论 ┊182 12.2 实用的投资组合优化方法 ┊187 第13章 优化的股票配置策略 ┊193 13.1 多因子风险模型 ┊194 13.2 投资组合优化的多因子策略 ┊196 第14章 交易成本 ┊203 14.1 交易成本估计 ┊204 14.2 考虑交易成本的择时策略 ┊207 14.3 考虑交易成本的股票配置策略 ┊212 第15章 策略评价 ┊215 15.1 策略评价体系 ┊216 15.2 策略评价报告 ┊218 第16章 结语 ┊223 16.1 内容总结 ┊224 16.2 研发流程的局限与应对 ┊227 参考文献 ┊231 |