Python量化交易實(shí)戰(zhàn)

目  錄
第1章  走進(jìn)量化投資    1
1.1  量化投資的誕生背景    1
1.2  量化投資的特點(diǎn)    3
1.3  量化投資的應(yīng)用    5
1.4  量化投資在我國(guó)股市的發(fā)展前景    6
1.5  小結(jié)    6
第2章  Python的安裝與使用    7
2.1  Python的基本安裝和用法    7
2.1.1  Anaconda的下載與安裝    8
2.1.2  Python編譯器PyCharm的安裝    11
2.1.3  使用Python計(jì)算softmax函數(shù)    14
2.2  Python常用類(lèi)庫(kù)中的threading    15
2.2.1  threading庫(kù)的使用    16
2.2.2  threading模塊中最重要的Thread類(lèi)    16
2.2.3  threading中的Lock類(lèi)    18
2.2.4  threading中的join類(lèi)    19
2.3  小結(jié)    19
第3章  Python類(lèi)庫(kù)的使用——數(shù)據(jù)處理及可視化展示    20
3.1  從小例子起步——NumPy的初步使用    20
3.1.1  數(shù)據(jù)的矩陣化    20
3.1.2  數(shù)據(jù)分析    22
3.1.3  基于統(tǒng)計(jì)分析的數(shù)據(jù)處理    24
3.2  圖形化數(shù)據(jù)處理——Matplotlib包的使用    24
3.2.1  差異的可視化    24
3.2.2  坐標(biāo)圖的展示    25
3.2.3  大規(guī)模數(shù)據(jù)的可視化    27
3.3  常用的統(tǒng)計(jì)分析方法——相似度計(jì)算    30
3.3.1  基于歐幾里得距離的相似度計(jì)算    30
3.3.2  基于余弦角度的相似度計(jì)算    31
3.3.3  歐幾里得相似度與余弦相似度的比較    32
3.4  數(shù)據(jù)的統(tǒng)計(jì)學(xué)可視化展示    33
3.4.1  數(shù)據(jù)的四分位    33
3.4.2  數(shù)據(jù)的四分位示例    34
3.4.3  數(shù)據(jù)的標(biāo)準(zhǔn)化    37
3.4.4  數(shù)據(jù)的平行化處理    39
3.4.5  熱點(diǎn)圖-屬性相關(guān)性檢測(cè)    41
3.5  Python實(shí)戰(zhàn)：某地降雨的關(guān)系處理    42
3.5.1  不同年份的相同月份統(tǒng)計(jì)    42
3.5.2  不同月份之間的增減程度比較    44
3.5.3  每月的降水量是否相關(guān)    45
3.6  小結(jié)    46
第4章  歡迎來(lái)到掘金量化    47
4.1  基礎(chǔ)工作    47
4.1.1  安裝掘金終端    47
4.1.2  獲取幫助    49
4.2  實(shí)戰(zhàn)：使用掘金終端進(jìn)行回測(cè)工作    51
4.2.1  創(chuàng)建第一個(gè)策略    51
4.2.2  運(yùn)行回測(cè)    52
4.2.3  查看回測(cè)結(jié)果    54
4.2.4  使用PyCharm進(jìn)行回測(cè)    55
4.3  小結(jié)    59

第5章  Talib金融庫(kù)使用詳解    60
5.1  Talib金融工具庫(kù)的介紹    60
5.1.1  使用Talib獲取3日、7日、15日均線    60
5.1.2  EMA的計(jì)算    62
5.1.3  MACD的計(jì)算    64
5.1.4  MACD斜率的計(jì)算方法    66
5.1.5  使用Talib實(shí)現(xiàn)國(guó)內(nèi)金融數(shù)據(jù)指標(biāo)    67
5.2  Talib金融工具庫(kù)函數(shù)    69
5.2.1  Talib常用函數(shù)介紹    73
5.2.2  Talib圖像形態(tài)識(shí)別    75
5.3  實(shí)戰(zhàn)：Talib金融工具回測(cè)實(shí)戰(zhàn)    83
5.3.1  根據(jù)MACD變化回測(cè)2017年盈利情況    84
5.3.2  股價(jià)的波動(dòng)范圍及未來(lái)走勢(shì)判定    90
5.4  兩種經(jīng)典的軌道突破策略    92
5.4.1  Dual Thrust策略    92
5.4.2  Dynamic Breakout II策略    96
5.5  小結(jié)    99
第6章  多因子策略    100
6.1 一個(gè)奇怪的問(wèn)題    100
6.1.1  因子是什么    101
6.1.2  選取因子    102
6.1.3  單因子選股輪動(dòng)測(cè)試    105
6.2  因子的量化選擇    108
6.2.1  基于IC值的多因子計(jì)算方法    109
6.2.2  基于IC值的多因子計(jì)算方法（續(xù)）    110
6.2.3  因子IC值計(jì)算的目標(biāo)，等權(quán)法因子值的合成    114
6.3  實(shí)戰(zhàn)：基于成長(zhǎng)因子的模型測(cè)試    116
6.3.1  模型說(shuō)明    116
6.3.2  使用模型進(jìn)行回測(cè)    125
6.4  霍華?羅斯曼的投資模型    127
6.4.1  霍華?羅斯曼簡(jiǎn)介    127
6.4.2  霍華?羅斯曼的投資模型    127
6.4.3  對(duì)霍華?羅斯曼模型的分析    128
6.5  小結(jié)    131
第7章  帶技術(shù)指標(biāo)的多因子策略    132
7.1  技術(shù)面多因子介紹    132
7.1.1  101個(gè)技術(shù)因子    132
7.1.2  基于Talib的技術(shù)因子重寫(xiě)    136
7.1.3  一個(gè)基于放量技術(shù)因子策略的回測(cè)    140
7.2  較為復(fù)雜的技術(shù)因子    143
7.2.1  阻力支撐相對(duì)強(qiáng)度因子介紹    143
7.2.2  改進(jìn)的RSRS因子與回測(cè)數(shù)據(jù)    146
7.2.3  價(jià)差偏離度因子介紹    148
7.3  簡(jiǎn)單的技術(shù)性因子—波動(dòng)率因子    151
7.3.1  波動(dòng)率因子介紹    151
7.3.2  更多的波動(dòng)率因子    155
7.4  實(shí)戰(zhàn)：一個(gè)回測(cè)成功率100%的中長(zhǎng)線買(mǎi)賣(mài)例子    158
7.4.1  技術(shù)指標(biāo)的設(shè)計(jì)    159
7.4.2  回測(cè)的設(shè)計(jì)    164
7.5  小結(jié)    166
第8章  人人都是基金經(jīng)理——中證紅利指數(shù)增強(qiáng)策略    167
8.1  中證紅利指數(shù)基金介紹    167
8.1.1  紅利指數(shù)基金的由來(lái)    168
8.1.2  中證紅利簡(jiǎn)介    168
8.2  基于中證紅利的指數(shù)增強(qiáng)基金策略的構(gòu)建    169
8.2.1  中證紅利策略的構(gòu)建方法    170
8.2.2  策略回測(cè)與優(yōu)化    173
8.3  小結(jié)    173
第9章  掘金量化——回歸分析基礎(chǔ)    175
9.1  回歸分析基礎(chǔ)    175
9.1.1  回歸法簡(jiǎn)介    176
9.1.2  一元線性回歸    176
9.1.3  多元線性回歸    179
9.1.4  回歸法的解法——最小二乘法詳解    180
9.2  回歸分析的一些其他計(jì)算方法    183
9.2.1  梯度下降算法與使用TensorFlow計(jì)算線性回歸    183
9.2.2  線性回歸的姐妹——邏輯回歸    189
9.3  實(shí)戰(zhàn)：回歸分析——短時(shí)間開(kāi)盤(pán)價(jià)與收盤(pán)價(jià)之間的關(guān)系    190
9.3.1  量化策略基本思路與簡(jiǎn)單實(shí)現(xiàn)    190
9.3.2  使用掘金量化實(shí)現(xiàn)回測(cè)    192
9.4  買(mǎi)還是賣(mài)——邏輯回歸幫你做決定    196
9.4.1  邏輯回歸是一種分類(lèi)算法    196
9.4.2  邏輯回歸的TensorFlow實(shí)現(xiàn)    197
9.4.3  使用TensorFlow的邏輯回歸進(jìn)行回測(cè)    201
9.5  機(jī)器學(xué)習(xí)策略——支持向量機(jī)    203
9.5.1  支持向量機(jī)的基本概念    203
9.5.2  使用支持向量機(jī)進(jìn)行回測(cè)    204
9.6  小結(jié)    208
第10章  回歸模型的經(jīng)典應(yīng)用    209
10.1  CAPM模型簡(jiǎn)介    210
10.1.1  CAPM定價(jià)模型的提出    210
10.1.2  CAPM定價(jià)模型的公式與假設(shè)    211
10.1.3  CAPM中Beta的定義    212
10.2  Fama-French三因子模型    213
10.2.1  Fama-French模型的基礎(chǔ)公式    214
10.2.2  Fama-French模型的實(shí)現(xiàn)與回測(cè)    215
10.3  PB-ROE回歸模型的使用    220
10.3.1  PB-ROE模型介紹    220
10.3.2  PB-ROE模型的實(shí)現(xiàn)    221
10.3.3  基于上證180的股票回測(cè)    226
10.3.4  使用自定義股票池的PB-ROE回測(cè)    232
10.4  小結(jié)    242
第11章  配對(duì)交易的魔力    243
11.1  配對(duì)交易的基本理論    243
11.1.1  相關(guān)性分析    244
11.1.2  均值、方差與協(xié)方差    246
11.2  協(xié)整性的判定與檢驗(yàn)    248
11.2.1  協(xié)整性    248
11.2.2  平穩(wěn)性的檢驗(yàn)方法    249
11.3  配對(duì)交易    253
11.3.1  配對(duì)交易的算法    253
11.3.2  提取股票的相關(guān)性    254
11.3.3  協(xié)整系數(shù)的計(jì)算方法    257
11.4  配對(duì)交易的魔力    263
11.4.1  前期計(jì)算    263
11.4.2  協(xié)整性判斷    265
11.4.3  使用量化掘金回測(cè)系統(tǒng)對(duì)結(jié)果進(jìn)行判定    266
11.5  小結(jié)    270