4.1
用户推荐指数
互联网 类型
7.3 豆瓣评分
可以朗读 语音朗读
308千字 字数
2017-07-01 发行日期
展开全部

主编推荐语

本书从量化交易的正确性认识出发，以Python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。

内容简介

本书穿插了大量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，以实战为目的。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、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、基础度量概念及最优参数等问题；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。

目录

  • 版权信息
  • 前言
  • 第1部分 对量化交易的正确认识
  • 第1章 量化引言
  • 1.1 什么是量化交易
  • 1.2 量化交易：投资？投机？赌博？
  • 1.3 量化交易的优势
  • 1.3.1 避免短线频繁交易
  • 1.3.2 避免逆势操作
  • 1.3.3 避免重仓交易
  • 1.3.4 避免对胜率的盲目追求
  • 1.3.5 确保交易策略的执行
  • 1.3.6 独立交易及对结果负责的信念
  • 1.3.7 从历史验证交易策略是否可行
  • 1.3.8 寻找交易策略的最优参数
  • 1.3.9 减少无意义的工作及干扰
  • 1.4 量化交易的正确认识
  • 1.4.1 不要因循守旧，认为量化交易是邪门歪道
  • 1.4.2 不要异想天开，认为量化交易有神奇的魔法
  • 1.4.3 不要抱有不劳而获的幻想
  • 1.4.4 不要盲目追求量化策略的复杂性
  • 1.4.5 认清市场，认清自己，知己知彼，百战不殆
  • 1.5 量化交易的目的
  • 第2部分 量化交易的基础
  • 第2章 量化语言——Python
  • 2.1 基础语法与数据结构
  • 2.1.1 基本类型和语法
  • 2.1.2 字符串和容器
  • 2.2 函数
  • 2.2.1 函数的使用和定义
  • 2.2.2 lambda函数
  • 2.2.3 高阶函数
  • 2.2.4 偏函数
  • 2.3 面向对象
  • 2.3.1 类的封装
  • 2.3.2 继承和多态
  • 2.3.3 静态方法、类方法与属性
  • 2.4 性能效率
  • 2.4.1 itertools的使用
  • 2.4.2 多进程VS多线程
  • 2.4.3 使用编译库提高性能
  • 2.5 代码调试
  • 2.6 本章小结
  • 第3章 量化工具——NumPy
  • 3.1 并行化思想与基础操作
  • 3.1.1 并行化思想
  • 3.1.2 初始化操作
  • 3.1.3 索引选取和切片选择
  • 3.1.4 数据转换与规整
  • 3.1.5 逻辑条件进行数据筛选
  • 3.1.6 通用序列函数
  • 3.1.7 数据本地序列化操作
  • 3.2 基础统计概念与函数使用
  • 3.2.1 基础统计函数的使用
  • 3.2.2 基础统计概念
  • 3.3 正态分布
  • 3.3.1 正态分布基础概念
  • 3.3.2 实例1：正态分布买入策略
  • 3.4 伯努利分布
  • 3.4.1 伯努利分布基础概念
  • 3.4.2 实例2：如何在交易中获取优势
  • 3.5 本章小结
  • 第4章 量化工具——pandas
  • 4.1 基本操作方法
  • 4.1.1 DataFrame构建及方法
  • 4.1.2 索引行列序列
  • 4.1.3 金融时间序列
  • 4.1.4 Series构建及方法
  • 4.1.5 重采样数据
  • 4.2 基本数据分析示例
  • 4.2.1 总览分析数据
  • 4.2.2 索引选取和切片选择
  • 4.2.3 逻辑条件进行数据筛选
  • 4.2.4 数据转换与规整
  • 4.2.5 数据本地序列化操作
  • 4.3 实例1：寻找股票异动涨跌幅阀值
  • 4.3.1 数据的离散化
  • 4.3.2 concat、append和merge的使用
  • 4.4 实例2：星期几是这个股票的“好日子”
  • 4.4.1 构建交叉表
  • 4.4.2 构建透视表
  • 4.5 实例3：跳空缺口
  • 4.6 pandas三维面板的使用
  • 4.7 本章小结
  • 第5章 量化工具——可视化
  • 5.1 使用Matplotlib可视化数据
  • 5.1.1 Matplotlib可视化基础
  • 5.1.2 Matplotlib子画布及loc的使用
  • 5.1.3 K线图的绘制
  • 5.2 使用Bokeh交互可视化
  • 5.3 使用pandas可视化数据
  • 5.3.1 绘制股票的收益及收益波动情况
  • 5.3.2 绘制股票的价格与均线
  • 5.3.3 其他pandas统计图形种类
  • 5.4 使用Seaborn可视化数据
  • 5.5 实例1：可视化量化策略的交易区间及卖出原因
  • 5.6 实例2：标准化两个股票的观察周期
  • 5.7 实例3：黄金分割线
  • 5.7.1 黄金分割线的定义方式
  • 5.7.2 多维数据绘制示例
  • 5.8 技术指标的可视化
  • 5.8.1 MACD指标的可视化
  • 5.8.2 ATR指标的可视化
  • 5.9 本章小结
  • 第6章 量化工具——数学
  • 6.1 回归与插值
  • 6.1.1 线性回归
  • 6.1.2 多项式回归
  • 6.1.3 插值
  • 6.2 蒙特卡罗方法与凸优化
  • 6.2.1 你一生的追求到底能带来多少幸福
  • 6.2.2 使用蒙特卡罗方法计算怎样度过一生最幸福
  • 6.2.3 凸优化基础概念
  • 6.2.4 全局求解怎样度过一生最幸福
  • 6.2.5 非凸函数计算怎样度过一生最幸福
  • 6.2.6 标准凸函数求最优
  • 6.3 线性代数
  • 6.3.1 矩阵基础知识
  • 6.3.2 特征值和特征向量
  • 6.3.3 PCA和SVD理论知识
  • 6.3.4 PCA和SVD使用实例
  • 6.4 本章小结
  • 第3部分 量化交易系统的开发
  • 第7章 量化系统——入门
  • 7.1 趋势跟踪与均值回复
  • 7.1.1 趋势跟踪和均值回复的周期重叠性
  • 7.1.2 实例1：均值回复策略
  • 7.1.3 实例2：趋势跟踪策略
  • 7.2 仓位控制管理
  • 7.2.1 凯利公式
  • 7.2.2 一只股票的时间简史
  • 7.2.3 三只小猪股票投资的故事
  • 7.3 本章小结
  • 第8章 量化系统——开发
  • 8.1 abu量化系统择时
  • 8.1.1 买入因子的实现
  • 8.1.2 卖出因子的实现
  • 8.1.3 滑点买入、卖出价格确定及策略实现
  • 8.1.4 多只股票使用相同的因子进行择时
  • 8.1.5 自定义仓位管理策略的实现
  • 8.1.6 多只股票使用不同的因子进行择时
  • 8.1.7 使用并行来提升择时的运行效率
  • 8.2 abu量化系统选股
  • 8.2.1 选股因子的实现
  • 8.2.2 多个选股因子并行执行
  • 8.2.3 使用并行来提升选股的运行效率
  • 8.3 本章小结
  • 第9章 量化系统——度量与优化
  • 9.1 度量的基本使用方法
  • 9.2 度量的基础
  • 9.2.1 度量的基础概念
  • 9.2.2 度量的可视化
  • 9.3 基于Grid Search寻找因子最优参数
  • 9.3.1 参数取值范围
  • 9.3.2 参数进行排列组合
  • 9.3.3 Grid Search寻找最优参数
  • 9.3.4 度量结果的评分
  • 9.3.5 不同权重的评分
  • 9.4 资金限制对度量的影响
  • 9.5 输入中文自动生成交易策略
  • 9.6 本章小结
  • 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
  • 10.1 机器学习基础概念
  • 10.1.1 小红帽识别毒蘑菇
  • 10.1.2 3种机器学习问题
  • 10.2 猪老三世界中的量化环境
  • 10.3 有监督机器学习
  • 10.3.1 猪老三使用回归预测股价
  • 10.3.2 猪老三使用分类预测股票涨跌
  • 10.3.3 通过决策树分类，绘制出决策图
  • 10.4 无监督机器学习
  • 10.4.1 使用降维可视化数据
  • 10.4.2 猪老三使用聚类算法提高正确率
  • 10.5 梦醒时分
  • 10.5.1 回测中生成特征/切分训练测试集/成交买单快照
  • 10.5.2 基于特征的交易预测
  • 10.5.3 基于深度学习的交易预测
  • 10.5.4 预测市场的混沌
  • 10.6 本章小结
  • 第11章 量化系统——机器学习·abu
  • 11.1 搜索引擎与量化交易
  • 11.2 主裁
  • 11.2.1 角度主裁
  • 11.2.2 使用全局最优对分类簇集合进行筛选
  • 11.2.3 跳空主裁
  • 11.2.4 价格主裁
  • 11.2.5 波动主裁
  • 11.2.6 验证主裁是否称职
  • 11.2.7 在abu系统中开启主裁拦截模式
  • 11.3 边裁
  • 11.3.1 角度边裁
  • 11.3.2 价格边裁
  • 11.3.3 波动边裁
  • 11.3.4 综合边裁
  • 11.3.5 验证边裁是否称职
  • 11.3.6 在abu系统中开启边裁拦截模式
  • 11.4 一定要赢得这场胜利，即使一切都不存在
  • 11.5 本章小结
  • 附录A 量化环境部署
  • A.1 基础包环境部署
  • A.1.1 Anaconda部署
  • A.1.2 Anaconda的使用
  • A.1.3 pip的使用
  • A.2 abu量化系统
  • A.2.1 数据模式的切换
  • A.2.2 目标市场的切换
  • A.2.3 A股市场的回测示例
  • A.2.4 港股市场的回测示例
  • A.3 IPython与Notebook
  • A.3.1 Magic命令
  • A.3.2 IPython Notebook运行本书所有示例代码
  • 附录B 量化相关性分析
  • B.1 皮尔逊相关系数
  • B.2 斯皮尔曼秩相关系数
  • B.3 相关性使用示例
  • 附录C 量化统计分析及指标应用
  • C.1 量化统计分析应用
  • C.2 量化技术指标应用
展开全部

评分及书评

4.1
8个评分
  • 用户头像
    给这本书评了
    3.0

    可能对程序员会很有启发。里面的算法似是而非，不甚明了。希望今后能用到交易之中。

      转发
      评论
      用户头像
      给这本书评了
      5.0
      打开量化交易的入门钥匙

      内容很细致。有借鉴意义

        转发
        评论
        用户头像
        给这本书评了
        4.0
        不错的入门书

        给初学者不错的思路，还是需要有点基础才行。书的定位高于初学者，低于专业者。

          转发
          评论

        出版方

        机械工业出版社有限公司

        机械工业出版社是全国优秀出版社，自1952年成立以来，坚持为科技、为教育服务，以向行业、向学校提供优质、权威的精神产品为宗旨，以“服务社会和人民群众需求，传播社会主义先进文化”为己任，产业结构不断完善，已由传统的图书出版向着图书、期刊、电子出版物、音像制品、电子商务一体化延伸，现已发展为多领域、多学科的大型综合性出版社，涉及机械、电工电子、汽车、计算机、经济管理、建筑、ELT、科普以及教材、教辅等领域。