量化交易领域的飞速发展，得到了越来越多业内外人士的关注。而Python作为一门功能强大且易于上手的编程语言，可以快速将想法付诸实践。因此，本书希望可以引领读者初步了解量化交易，并借助Python这个工具在该领域有所建树。
本书先从量化交易的基本概念讲起，然后讲解Python的基本语法及常见库的使用，在每章节的学习中都以金融量化为实例，并在最后结合实战项目来进行学习和巩固，读者不但可以系统地学习Python编程的相关知识，而且还能学习到Python在量化交易场景下的应用。
本书内容通俗易懂，案例丰富，适合零基础并对Python量化感兴趣的读者，以及想学习量化交易实战项目的Python初学者。此外，本书也适合作为相关培训机构的培训教材。
丁奉乾：CSDN博客专家，博客访问量已过百万，微信公众号“人工智能量化实验室”创始人，目前已发表多篇SCI学术论文，拥有多项国家发明专利和软件著作权。擅长Python编程，专注于人工智能量化领域研究，并有丰富的量化金融项目经验。
基础篇
第1章 初识量化交易
1.1 对量化交易的认识
1.2 几种常见的交易形式
1.3 量化交易存在的风险与规避方法
1.4 量化交易平台介绍
1.5 本章小结
第2章 Python环境的搭建
2.1 关于Python
2.2 安装Python的发行版Anaconda
2.3 安装Python IDE PyCharm
2.4 本章小结
第3章 量化交易场景下Python基础知识的准备
3.1 Python变量：金融数据的表示形式
3.2 条件判断语句：交易点的触发
3.3 循环语句：开启历史数据的回测
3.4 函数：提高代码的利用率
3.5 面向对象：交易策略的实例化
3.6 常用内置模块及模块的安装：解锁更多新功能
3.7 本章小结
高级篇
第4章 用NumPy来进行数据操作 82
4.1 NumPy库的介绍与安装
4.2 Ndarray数组
4.3 NumPy的常用操作
4.4 NumPy在金融数据中的应用
4.5 本章小结
第5章 借助Pandas进行数据分析
5.1 Pandas库的介绍与安装
5.2 Series类型数据
5.3 DataFrame类型数据
5.4 Pandas中常用函数的使用
5.5 Pandas对金融数据的操作
5.6 本章小结
第6章 通过Matplotlib对数据可视化
6.1 Matplotlib库的介绍与安装
6.2 Matplotlib的基本操作
6.3 Matplotlib绘制常见图像
6.4 Matplotlib对图像属性的设置
6.5 Matplotlib绘制多个子图
6.6 金融数据的可视化操作
6.7 本章小结
第7章 历史数据的获取
7.1 通过Tushare库获取历史数据
7.2 通过新浪财经API获取历史数据
7.3 通过Pandas_datareader获取历史数据
7.4 其他获取历史数据的方式
7.5 本章小结
第8章 量化交易的利器
8.1 Ta-Lib库的介绍与安装
8.2 市场技术指标的计算
8.3 K线组合的模式识别
8.4 FFn库的介绍与安装
8.5 风险指标的计算
8.6 两种经典策略的实现
8.7 本章小结
第9章 时间序列分析
9.1 Statsmodels库的介绍与安装
9.2 时间序列的基本概念
9.3 时间序列相关性分析
9.4 时间序列平稳性分析
9.5 时间序列协整性分析
9.6 时间序列模型
9.7 时间序列模型在股票市场中的应用
9.8 本章小结
实战篇
第10章 基于配对交易策略的回测框架的搭建
10.1 配对交易介绍
10.2 配对交易回测框架的实现
10.3 本章小结
第11章 机器学习实战——利用支持向量机（SVM）进行趋势预测
11.1 机器学习库Sklearn的介绍与安装
11.2 机器学习基本知识介绍
11.3 支持向量机介绍
11.4 支持向量机预测模型的实现
11.5 本章小结
第12章 深度学习实战——利用循环神经网络（RNN）进行价格预测
12.1 深度学习库TensorFlow的介绍与安装
12.2 TensorFlow的基本概念与结构
12.3 循环神经网络介绍
12.4 循环神经网络预测模型的搭建
12.5 本章小结
第13章 接触实盘——利用vn.py进行量化交易
13.1 初识vn.py
13.2 vn.py运行环境的准备
13.3 vn.py国内期货CTP的配置
13.4 通过vn.py进行策略回测
13.5 基于vn.py实现R-Breaker策略
13.6 通过vn.py进行自动化交易
13.7 本章小结
附录 常见的Python量化交易框架介绍
书单推荐
