本书首先讲解了Python量化炒股快速入门,即量化炒股的定义、特点、优势、不足和主要内容,Python语言的开发环境,以及量化炒股的注意事项。其次讲解量化炒股开发语言Python,即讲解Python语言的基本语法、选择结构、循环结构、常用数据结构、函数及应用和面向对象程序设计。接着讲解量化炒股中的3个常用包,即Numpy、Pandas和Matplotlib包。然后讲解如何利用Python编写量化炒股策略、量化炒股的获取数据函数、财务因子量化选股、数据信息获取、量化择时的技术指标函数、量化炒股的统计数据图、量化炒股策略的回测、量化炒股策略的因子分析。后讲解Python量化炒股策略实战案例。
在讲解过程中既考虑读者的学习习惯,又通过具体实例剖析Python量化炒股实际交易过程中的热点问题、关键问题及种种难题。
本书适用于各种不同的投资者,如股民、中小散户、职业操盘手和专业金融评论人士,更适用于那些有志于在这个充满风险、充满寂寞的征程上默默前行的征战者和屡败屡战、愈挫愈奋并终战胜失败、战胜自我的勇者。
揭示Python量化炒股精髓,新手交易获利更容易
详解Python量化炒股难题,多位专家合力编著
知识点+应用案例=快速帮助读者理解与变通应用
Python量化炒股正以势不可挡的趋势进入证券交易领域,这是因为Python量化炒股的核心优势在于风险管理更精准,能够提供超额收益。
Python量化炒股已经越来越多的出现在专业投资者乃至行业外人士的视野中,而且未来很有可能出现“量化投资产品将替代未来的资本管理市场”。
在大多数股票投资者的想象中,量化炒股似乎应该是用十几个显示屏跑的数学模型,交易速度以微秒计算的、深不可测的投资方法。诚然,复杂模型和高频交易固然属于量化范畴,但从广义上来说,量化代表的是一种理性的思维方式。例如,当你着眼于真实数据,理性地运用逻辑分析和归纳统计得出一些市场的观点和规律,并据此制定和执行明确的交易策略时,你就是在做量化炒股。普通个人投资者完全可以运用量化的方法来指导自己的投资决策,甚至常常不经意间就已经用到基于经验、逻辑和数学的量化投资的思维来指导自己的交易。
以美国为主的成熟资本市场,量化炒股占比超过50%,量化对冲基金已经成为资管行业中的翘楚。中国的量化炒股起步较晚,量化炒股在证券市场中的占比还不足5%。随着科技的进步,中国的量化交易市场正在快速发展。
目前我国的量化交易主要应用在商品期货上。随着股指期货的上市,期货市场和证券市场实现了真正意义上的互动,投资者不仅可以在期货市场上进行投机交易,同时还可以在期货与股票之间进行套利交易。利用量化交易对股指期货进行操作将会是投资者(机构投资者)的一个重要的发展方向。
本书结构
本书共19章,具体章节安排如下。
第1章:讲解Python量化炒股快速入门,即量化炒股的定义、特点、优势、不足和主要内容,Python语言的开发环境,以及量化炒股的注意事项。
第2~7章:讲解量化炒股开发语言Python,即讲解Python语言的基本语法、选择结构、循环结构、常用数据结构、函数及应用和面向对象程序设计。
第8~10章:讲解量化炒股中的三个常用包,即Numpy、Pandas和Matplotlib包。
第11~18章:讲解如何利用Python编写量化炒股策略、量化炒股的获取数据函数、财务因子量化选股、数据信息获取、量化择时的技术指标函数、量化炒股的统计数据图、量化炒股策略的回测、量化炒股策略的因子分析。
第19章:讲解Python量化炒股策略实战案例。
本书特色
本书特色归纳如下。
(1)实用性:本书首先着眼于量化炒股实战应用,然后探讨深层次的技巧问题。
(2)详尽的例子:本书附有大量的例子,通过这些例子介绍知识点。每个例子都是作者精心选择的,投资者反复练习,举一反三,就可以真正掌握量化炒股技巧,从而学以致用。
(3)全面性:本书几乎包含量化炒股的所有知识,分别是量化炒股的基础知识、Python语言的开发环境、基本语法、选择结构、循环结构、常用数据结构、函数及应用、面向对象程序设计、Numpy包、Pandas包、Matplotlib包、量化炒股的获取数据函数、财务因子量化选股、数据信息获取、量化择时的技术指标函数、量化炒股的统计数据图、量化炒股策略的回测和因子分析以及Python量化炒股策略实战案例。
本书适合的读者
本书适用于各种不同的投资者,如股民、中小散户、职业操盘手和专业金融评论人士,更适用于那些有志于在这个充满风险、充满寂寞的征程上默默前行的征战者和屡败屡战、愈挫愈勇并终战胜失败、战胜自我的勇者。
第1章 Python量化炒股快速入门 / 1
11 初识量化炒股 / 2
12 量化炒股的内容 / 5
13 量化炒股的开发语言Python / 8
14 量化炒股与普通炒股的比较 / 18
15 量化炒股的注意事项 / 18
第2章 Python编程的初步知识 / 21
21 变量 / 22
22 变量的基本数据类型 / 24
23 运算符 / 29
24 Python 的语法规则 / 33
第3章 Python 编程的选择结构 / 37
31 ifelse 语句 / 38
32 多个ifelse 语句 / 40
33 关系运算符 / 44
34 逻辑运算符 / 47
35 嵌套if 语句 / 50
第4章 Python 编程的循环结构 / 53
41 while 循环 / 54
42 while 循环中使用else 语句 / 55
43 无限循环 / 59
44 for 循环 / 64
45 在for 循环中使用range() 函数 / 65
46 循环嵌套 / 68
47 break 语句 / 70
48 continue 语句 / 71
第5章 Python 编程的常用数据结构 / 73
51 列表 / 74
52 元组 / 80
53 字典 / 85
54 集合 / 93
第6章 Python 编程的函数 / 97
61 初识函数 / 98
62 内置函数 / 98
63 自定义函数 / 107
64 匿名函数 / 115
65 递归函数 / 116
66 实例:计算一个数为两个质数之和 / 117
67 实例:利用内置函数实现小学四则运算 / 118
第7章 Python 编程的面向对象 / 121
71 面向对象概述 / 122
72 类的定义和对象的创建 / 124
73 类的构造方法和self 参数 / 125
74 类的继承 / 126
75 类的多态 / 130
76 模块 / 131
77 包 / 136
第8章 Python 量化炒股常用的Numpy 包 / 143
81 初识Numpy 包及量化炒股平台 / 144
82 ndarray 数组基础 / 146
83 Numpy 的矩阵 / 153
84 Numpy 的线性代数 / 154
第9章 Python 量化炒股常用的Pandas 包 / 161
91 Pandas 的数据结构 / 162
92 一维数组系列(Series) / 162
93 二维数组DataFrame / 165
94 三维数组Panel / 180
第10章 Python 量化炒股常用的Matplotlib 包 / 183
101 Matplotlib 包的特点 / 184
102 figure() 函数 / 184
103 plot() 函数 / 186
104 subplot() 函数 / 190
105 add_axes() 函数 / 193
106 legend() 函数 / 195
107 grid () 函数 / 198
第11章 利用Python 编写量化炒股策略 / 201
111 Python 量化炒股策略的基本组成 / 202
112 Python 量化炒股策略的设置函数 / 206
113 Python 量化炒股策略的下单函数 / 210
114 Python 量化炒股策略的常用对象 / 213
115 Python 量化炒股策略的日志log / 220
116 Python 量化炒股策略的定时函数 / 221
第12章 Python 量化炒股的获取数据函数 / 225
121 获取多只股票单个数据字段函数history() / 226
122 获取一只股票多个数据字段函数attribute_history () / 232
123 查询单个交易日账务数据函数get_fundamentals() / 236
124 查询多个交易日账务数据函数get_fundamentals_continuously () / 241
125 获取当前时间的股票数据函数get_current_data() / 243
126 获取指数成分股代码函数get_index_stocks () / 243
127 获取指数成分股权重函数get_index_weights () / 247
128 获取行业成分股代码函数get_industry_stocks() / 248
129 查询股票所属行业函数get_industry () / 251
1210 获取概念成分股代码函数get_concept_stocks() / 253
1211 查询股票所属概念板块函数get_concept () / 256
1212 获取一只股票信息函数get_security_info () / 257
1213 获取龙虎榜数据函数get_billboard_list () / 257
1214 获取限售解禁数据函数get_locked_shares () / 259
第13章 Python 量化炒股的财务因子选股 / 261
131 初识财务因子选股 / 262
132 成长类因子选股 / 262
133 规模类因子选股 / 274
134 价值类因子选股 / 280
135 质量类因子选股 / 287
136 财务因子量化选股的注意事项 / 290
第14章 Python 量化炒股的数据信息获取 / 293
141 获取上市公司概况信息 / 294
142 获取上市公司股东和股本信息 / 305
143 获取上市公司分红送股数据信息 / 315
144 获取沪深股市每日成交概况信息 / 317
第15章 Python 量化择时的技术指标函数 / 319
151 量化择时概述 / 320
152 趋向指标函数 / 321
153 反趋向指标函数 / 331
154 压力支撑指标函数 / 338
155 量价指标函数 / 343第16章 Python 量化炒股的统计数据图 / 349
161 Seaborn 包概述 / 350
162 单只股票的收益统计图 / 350
163 股票的相关性分析图 / 356
第17章 Python 量化炒股策略的回测 / 365
171 量化炒股策略回测的流程 / 366
172 利用Python 编写量化炒股策略并回测 / 367
173 量化炒股策略的风险指标 / 377
第18章 Python 量化炒股策略的因子分析 / 385
181 初识因子分析 / 386
182 利用Python 代码实现因子分析 / 386
183 新建因子并查看因子分析结果 / 389
184 因子在研究和回测中的运用技巧 / 397
185 基本面因子应用实例 / 399
第19章 Python 量化炒股策略实战案例 / 403
191 均线量化炒股策略 / 404
192 多均线量化炒股策略 / 406
193 随机指标量化炒股策略 / 409
194 布林通道线指标量化炒股策略 / 412
195 多股票持仓均线量化炒股策略 / 416
196 白酒板块轮动量化炒股策略 / 418
197 多个小市值股票量化炒股策略 / 421