Python量化交易：策略、技巧與實(shí)戰(zhàn)

目 錄
第1章 量化交易概述\t1
1．1 初識(shí)量化交易\t2
1．1．1 什么是量化交易\t2
1．1．2 量化交易與算法交易\t2
1．1．3 量化交易與程序化交易\t2
1．1．4 量化交易與技術(shù)分析\t3
1．1．5 量化交易與人工交易\t3
1．1．6 為什么要學(xué)習(xí)量化交易\t4
1．2 量化交易的特點(diǎn)\t5
1．3 量化交易的應(yīng)用\t6
1．3．1 投資品種選擇\t7
1．3．2 投資時(shí)機(jī)選擇\t7
1．3．3 算法交易\t7
1．3．4 各種套利交易\t9
1．3．5 資產(chǎn)配置\t10
1．4 量化交易的故事\t11
1．4．1 朱爾斯?雷格納特的量化交易故事\t11
1．4．2 愛德華?索普的量化交易故事\t12
1．4．3 詹姆斯?西蒙斯的量化交易故事\t13
1．5 量化交易的歷史\t14
1．5．1 國外量化交易的歷史\t14
1．5．2 國內(nèi)量化交易的歷史\t15
1．6 量化交易的注意事項(xiàng)\t15
第2章 量化交易平臺(tái)\t17
2．1 初識(shí)JoinQuant聚寬量化交易平臺(tái)\t18
2．2 量化交易平臺(tái)的功能\t18
2．2．1 高質(zhì)量數(shù)據(jù)和強(qiáng)大的研究平臺(tái)\t18
2．2．2 頂級回測體驗(yàn)和頂尖模擬交易\t19
2．3 賬戶的注冊、登錄及量化交易策略的創(chuàng)建\t19
2．3．1 量化交易平臺(tái)賬戶的注冊\t19
2．3．2 量化交易平臺(tái)賬戶的登錄\t20
2．3．3 量化交易策略的創(chuàng)建\t22
2．4 量化交易策略的選股技巧\t24
2．4．1 量化選股的基本設(shè)置\t24
2．4．2 選股指標(biāo)\t27
2．5 量化交易策略的買賣條件模型\t31
2．5．1 輪動(dòng)模型\t32
2．5．2 擇時(shí)模型\t33
2．6 量化交易策略的風(fēng)險(xiǎn)控制技巧\t35
2．6．1 止盈、止損指標(biāo)\t35
2．6．2 其他指標(biāo)\t36
2．7 量化交易策略的其他參數(shù)設(shè)置技巧\t36
2．8 編寫Python代碼來創(chuàng)建量化交易策略\t38
2．9 量化交易策略的回測\t39
2．10 量化交易策略的模擬交易\t41
2．10．1 新建模擬交易并運(yùn)行\(zhòng)t41
2．10．2 查看模擬交易\t42
2．10．3 綁定微信\t45
2．11 量化交易策略的實(shí)盤交易\t46
第3章 Python開發(fā)環(huán)境及編程基礎(chǔ)\t49
3．1 初識(shí)Python\t50
3．1．1 Python的發(fā)展歷程\t50
3．1．2 Python的特點(diǎn)\t50
3．2 Python開發(fā)環(huán)境及配置\t51
3．2．1 Python的下載和安裝\t51
3．2．2 Python的環(huán)境變量配置\t53
3．3 Python程序的編寫\t57
3．4 利用量化交易平臺(tái)編寫Python程序\t61
3．4．1 初識(shí)IPython Notebook研究平臺(tái)\t62
3．4．2 利用IPython Notebook編寫Python程序\t66
3．5 Python的基本數(shù)據(jù)類型\t67
3．5．1 數(shù)值類型\t67
3．5．2 字符串\t69
3．6 Python的變量與賦值\t73
3．6．1 變量命名規(guī)則\t73
3．6．2 變量的賦值\t74
3．7 Python的基本運(yùn)算\t74
3．7．1 算術(shù)運(yùn)算\t75
3．7．2 賦值運(yùn)算\t76
3．7．3 位運(yùn)算\t77
3．8 Python的代碼格式\t78
3．8．1 代碼縮進(jìn)\t78
3．8．2 代碼注釋\t79
3．8．3 空行\(zhòng)t80
3．8．4 同一行顯示多條語句\t80
第4章 Python流程控制與特征數(shù)據(jù)類型\t81
4．1 Python的選擇結(jié)構(gòu)\t82
4．1．1 關(guān)系運(yùn)算\t82
4．1．2 邏輯運(yùn)算\t83
4．1．3 if語句\t84
4．1．4 嵌套if語句\t86
4．2 Python的循環(huán)結(jié)構(gòu)\t87
4．2．1 while循環(huán)\t87
4．2．2 while循環(huán)使用else語句\t88
4．2．3 無限循環(huán)\t89
4．2．4 for循環(huán)\t90
4．2．5 在for循環(huán)中使用range()函數(shù)\t90
4．2．6 break語句\t92
4．2．7 continue語句\t92
4．2．8 pass語句\t93
4．3 Python的特征數(shù)據(jù)類型\t94
4．3．1 列表\t94
4．3．2 元組\t97
4．3．3 字典\t99
4．3．4 集合\t100
第5章 Python函數(shù)與面向?qū)ο骪t104
5．1 Python內(nèi)置函數(shù)\t105
5．1．1 數(shù)學(xué)函數(shù)\t105
5．1．2 隨機(jī)數(shù)函數(shù)\t106
5．1．3 三角函數(shù)\t108
5．1．4 字符串函數(shù)\t110
5．2 用戶自定義函數(shù)\t113
5．2．1 自定義函數(shù)的定義\t113
5．2．2 調(diào)用自定義函數(shù)\t114
5．2．3 函數(shù)的參數(shù)傳遞\t116
5．2．4 函數(shù)的參數(shù)類型\t118
5．2．5 匿名函數(shù)\t123
5．3 Python的面向?qū)ο骪t123
5．3．1 面向?qū)ο蟾拍頫t124
5．3．2 類與實(shí)例\t124
5．3．3 模塊的引用\t127
5．3．4 包\t127
5．4 變量作用域及類型\t130
5．4．1 變量作用域\t130
5．4．2 全局變量和局部變量\t131
5．4．3 global和nonlocal關(guān)鍵字\t132
第6章 Python量化交易策略的常用庫\t135
6．1 Numpy庫\t136
6．1．1 ndarray數(shù)組基礎(chǔ)\t136
6．1．2 Numpy的矩陣對象\t148
6．2 Pandas庫\t149
6．2．1 一維數(shù)組Series\t149
6．2．2 二維數(shù)組DataFrame\t150
6．2．3 三維數(shù)組Panel\t160
第7章 Python量化交易策略的常用函數(shù)與對象\t163
7．1 Python量化交易策略的一般結(jié)構(gòu)\t164
7．1．1 初始化函數(shù)\t165
7．1．2 開盤前運(yùn)行函數(shù)\t166
7．1．3 開盤時(shí)運(yùn)行函數(shù)\t166
7．1．4 收盤后運(yùn)行函數(shù)\t167
7．2 Python量化交易策略的設(shè)置函數(shù)\t167
7．2．1 設(shè)置基準(zhǔn)函數(shù)\t168
7．2．2 設(shè)置傭金/印花稅函數(shù)\t168
7．2．3 設(shè)置滑點(diǎn)函數(shù)\t169
7．2．4 設(shè)置動(dòng)態(tài)復(fù)權(quán)（真實(shí)價(jià)格）模式函數(shù)\t170
7．2．5 設(shè)置成交量比例函數(shù)\t170
7．2．6 設(shè)置是否開啟盤口撮合模式函數(shù)\t171
7．2．7 設(shè)置要操作的股票池函數(shù)\t171
7．3 Python量化交易策略的定時(shí)函數(shù)\t171
7．3．1 定時(shí)函數(shù)的定義及分類\t172
7．3．2 定時(shí)函數(shù)各項(xiàng)參數(shù)的意義\t172
7．3．3 定時(shí)函數(shù)的注意事項(xiàng)\t173
7．3．4 定時(shí)函數(shù)的實(shí)例\t174
7．4 Python量化交易策略的下單函數(shù)\t174
7．4．1 按股數(shù)下單函數(shù)\t174
7．4．2 目標(biāo)股數(shù)下單函數(shù)\t175
7．4．3 按價(jià)值下單函數(shù)\t175
7．4．4 目標(biāo)價(jià)值下單函數(shù)\t176
7．4．5 撤單函數(shù)\t176
7．4．6 獲取未完成訂單函數(shù)\t177
7．4．7 獲取訂單信息函數(shù)\t177
7．4．8 獲取成交信息函數(shù)\t178
7．5 Python量化交易策略的日志log\t178
7．5．1 設(shè)定log級別\t178
7．5．2 log．info\t179
7．6 Python量化交易策略的常用對象\t179
7．6．1 Order對象\t179
7．6．2 全局對象g\t180
7．6．3 Trade對象\t180
7．6．4 tick對象\t180
7．6．5 Context對象\t181
7．6．6 Position對象\t182
7．6．7 SubPortfolio對象\t183
7．6．8 Portfolio對象\t184
7．6．9 SecurityUnitData對象\t184
第8章 Python量化交易策略的獲取數(shù)據(jù)函數(shù)運(yùn)用技巧\t186
8．1 history()函數(shù)的運(yùn)用技巧\t187
8．1．1 各項(xiàng)參數(shù)的意義\t187
8．1．2 history()函數(shù)的應(yīng)用實(shí)例\t188
8．2 attribute_history ()函數(shù)的運(yùn)用技巧\t191
8．3 get_fundamentals ()函數(shù)的運(yùn)用技巧\t192
8．3．1 各項(xiàng)參數(shù)的意義\t192
8．3．2 get_fundamentals ()函數(shù)的應(yīng)用實(shí)例\t193
8．4 get_fundamentals_continuously ()函數(shù)的運(yùn)用技巧\t198
8．5 get_current_data ()函數(shù)的運(yùn)用技巧\t199
8．6 get_index_stocks ()函數(shù)的運(yùn)用技巧\t200
8．6．1 各項(xiàng)參數(shù)的意義\t200
8．6．2 get_index_stocks ()函數(shù)的應(yīng)用實(shí)例\t201
8．7 get_industry_stocks()函數(shù)的運(yùn)用技巧\t202
8．8 get_concept_stocks ()函數(shù)的運(yùn)用技巧\t203
8．9 get_all_securities()函數(shù)的運(yùn)用技巧\t205
8．9．1 各項(xiàng)參數(shù)的意義\t205
8．9．2 get_all_securities()函數(shù)的應(yīng)用實(shí)例\t206
8．10 get_security_info ()函數(shù)的運(yùn)用技巧\t207
8．11 get_billboard_list ()函數(shù)的運(yùn)用技巧\t208
8．11．1 各項(xiàng)參數(shù)的意義\t208
8．11．2 get_billboard_list()函數(shù)的應(yīng)用實(shí)例\t209
8．12 get_locked_shares ()函數(shù)的運(yùn)用技巧\t210
第9章 Python量化交易策略的基本面選股技巧\t211
9．1 量化選股概述\t212
9．2 成長類因子選股技巧\t212
9．2．1 營業(yè)收入同比增長率選股技巧\t212
9．2．2 營業(yè)收入環(huán)比增長率選股技巧\t214
9．2．3 凈利潤同比增長率選股技巧\t215
9．2．4 凈利潤環(huán)比增長率選股技巧\t216
9．2．5 營業(yè)利潤率選股技巧\t217
9．2．6 銷售凈利率選股技巧\t217
9．2．7 銷售毛利率選股技巧\t218
9．3 規(guī)模類因子選股技巧\t220
9．3．1 總市值選股技巧\t220
9．3．2 流通市值選股技巧\t221
9．3．3 總股本選股技巧\t222
9．3．4 流通股本選股技巧\t222
9．4 價(jià)值類因子選股技巧\t223
9．4．1 市凈率選股技巧\t223
9．4．2 市銷率選股技巧\t224
9．4．3 市現(xiàn)率選股技巧\t225
9．4．4 動(dòng)態(tài)市盈率選股技巧\t226
9．4．5 靜態(tài)市盈率選股技巧\t227
9．5 質(zhì)量類因子選股技巧\t228
9．5．1 凈資產(chǎn)收益率選股技巧\t228
9．5．2 總資產(chǎn)凈利率選股技巧\t229
9．6 基本面多因子量化選股\t230
第10章 Python量化交易策略的技術(shù)指標(biāo)函數(shù)運(yùn)用技巧\t232
10．1 量化擇時(shí)概述\t233
10．2 趨向指標(biāo)函數(shù)運(yùn)用技巧\t234
10．2．1 MACD指標(biāo)函數(shù)\t234
10．2．2 EMV指標(biāo)函數(shù)\t235
10．2．3 UOS指標(biāo)函數(shù)\t237
10．2．4 GDX指標(biāo)函數(shù)\t238
10．2．5 DMA指標(biāo)函數(shù)\t239
10．2．6 JS指標(biāo)函數(shù)\t240
10．2．7 MA指標(biāo)函數(shù)\t241
10．2．8 EXPMA指標(biāo)函數(shù)\t242
10．2．9 VMA指標(biāo)函數(shù)\t243
10．3 反趨向指標(biāo)函數(shù)運(yùn)用技巧\t245
10．3．1 KD指標(biāo)函數(shù)\t245
10．3．2 MFI指標(biāo)函數(shù)\t246
10．3．3 RSI指標(biāo)函數(shù)\t247
10．3．4 OSC指標(biāo)函數(shù)\t248
10．3．5 WR指標(biāo)函數(shù)\t249
10．3．6 CCI指標(biāo)函數(shù)\t250
10．4 壓力支撐指標(biāo)函數(shù)運(yùn)用技巧\t251
10．4．1 BOLL指標(biāo)函數(shù)\t251
10．4．2 MIKE指標(biāo)函數(shù)\t253
10．4．3 XS指標(biāo)函數(shù)\t254
10．5 量價(jià)指標(biāo)函數(shù)運(yùn)用技巧\t256
10．5．1 OBV指標(biāo)函數(shù)\t256
10．5．2 VOL指標(biāo)函數(shù)\t257
10．5．3 VR指標(biāo)函數(shù)\t258
10．5．4 MASS指標(biāo)函數(shù)\t259
第11章 Python量化交易策略的回測方法與技巧\t261
11．1 量化交易策略回測的流程\t262
11．2 利用Python編寫MACD指標(biāo)量化交易策略\t262
11．2．1 量化交易策略的編輯頁面\t262
11．2．2 編寫初始化函數(shù)\t265
11．2．3 編寫單位時(shí)間調(diào)用的函數(shù)\t265
11．3 設(shè)置MACD指標(biāo)量化交易策略的回測參數(shù)\t266
11．4 MACD指標(biāo)量化交易策略的回測詳情\t269
11．5 MACD指標(biāo)量化交易策略的風(fēng)險(xiǎn)指標(biāo)\t272
11．5．1 Alpha（阿爾法）\t272
11．5．2 Beta（貝塔）\t273
11．5．3 Sharpe（夏普比率）\t274
11．5．4 Sortino（索提諾比率）\t275
11．5．5 Information Ratio（信息比率）\t276
11．5．6 Volatility（策略波動(dòng)率）\t277
11．5．7 Benchmark Volatility（基準(zhǔn)波動(dòng)率）\t278
11．5．8 Max Drawdown（最大回撤）\t279
第12章 Python量化交易策略的機(jī)器算法運(yùn)用技巧\t280
12．1 隨機(jī)森林在量化交易中的運(yùn)用技巧\t281
12．1．1 隨機(jī)森林的構(gòu)建\t281
12．1．2 隨機(jī)森林的優(yōu)缺點(diǎn)\t281
12．1．3 隨機(jī)森林在量化交易中的運(yùn)用實(shí)例\t282
12．2 支持向量機(jī)（SVM）在量化交易中的運(yùn)用技巧\t284
12．2．1 什么是支持向量機(jī)（SVM）\t285
12．2．2 支持向量機(jī)（SVM）的工作原理\t285
12．2．3 核函數(shù)\t287
12．2．4 支持向量機(jī)（SVM）的優(yōu)點(diǎn)\t288
12．2．5 支持向量機(jī)（SVM）的缺點(diǎn)\t288
12．2．6 支持向量機(jī)（SVM）在量化交易中的運(yùn)用實(shí)例\t289
12．3 樸素貝葉斯在量化交易中的運(yùn)用技巧\t292
12．3．1 什么是樸素貝葉斯\t292
12．3．2 樸素貝葉斯的算法思想\t292
12．3．3 樸素貝葉斯的算法步驟\t292
12．3．4 樸素貝葉斯的優(yōu)缺點(diǎn)\t293
12．3．5 樸素貝葉斯在量化交易中的運(yùn)用實(shí)例\t293
12．4 神經(jīng)網(wǎng)絡(luò)在量化交易中的運(yùn)用技巧\t296
12．4．1 什么是人工神經(jīng)網(wǎng)絡(luò)\t296
12．4．2 大腦中的神經(jīng)元細(xì)胞和神經(jīng)元細(xì)胞網(wǎng)絡(luò)\t297
12．4．3 人工神經(jīng)網(wǎng)絡(luò)的基本特征\t298
12．4．4 人工神經(jīng)網(wǎng)絡(luò)的特點(diǎn)\t299
12．4．5 人工神經(jīng)網(wǎng)絡(luò)的算法\t299
12．4．6 人工神經(jīng)網(wǎng)絡(luò)在量化交易中的運(yùn)用實(shí)例\t301
第13章 Python量化交易策略的因子分析運(yùn)用技巧\t305
13．1 因子的類型及因子分析的作用\t306
13．2 因子分析的Python代碼\t306
13．2．1 因子分析中的三個(gè)變量\t306
13．2．2 因子分析中可以使用的基礎(chǔ)因子\t307
13．2．3 calc的參數(shù)及返回值\t308
13．3 因子的新建及常見分析\t308
13．3．1 因子的新建\t308
13．3．2 因子的收益分析\t311
13．3．3 因子的IC分析\t314
13．3．4 因子的換手分析\t315
13．4 因子在研究和回測中的使用\t317
13．5 基本面因子運(yùn)用實(shí)例\t319
第14章 Python量化交易策略實(shí)戰(zhàn)案例\t323
14．1 MA均線量化交易策略實(shí)戰(zhàn)案例\t324
14．1．1 編寫初始化函數(shù)\t324
14．1．2 編寫單位時(shí)間調(diào)用的函數(shù)\t326
14．1．3 MA均線量化交易策略的回測\t327
14．2 多均線量化交易策略實(shí)戰(zhàn)案例\t327
14．2．1 編寫初始化函數(shù)\t328
14．2．2 編寫交易程序函數(shù)\t328
14．2．3 多均線量化交易策略的回測\t330
14．3 MACD指標(biāo)量化交易策略實(shí)戰(zhàn)案例\t330
14．3．1 編寫初始化函數(shù)\t331
14．3．2 編寫單位時(shí)間調(diào)用的函數(shù)\t331
14．3．3 MACD指標(biāo)量化交易策略的回測\t332
14．4 KD指標(biāo)量化交易策略實(shí)戰(zhàn)案例\t333
14．4．1 編寫初始化函數(shù)\t333
14．4．2 編寫開盤前運(yùn)行函數(shù)\t334
14．4．3 編寫開盤時(shí)運(yùn)行函數(shù)\t334
14．4．4 編寫收盤后運(yùn)行函數(shù)\t335
14．4．5 KD指標(biāo)量化交易策略的回測\t335
14．5 BOLL指標(biāo)量化交易策略實(shí)戰(zhàn)案例\t336
14．5．1 編寫初始化函數(shù)\t336
14．5．2 編寫開盤前運(yùn)行函數(shù)\t337
14．5．3 編寫開盤時(shí)運(yùn)行函數(shù)\t337
14．5．4 編寫收盤后運(yùn)行函數(shù)\t338
14．5．5 BOLL指標(biāo)量化交易策略的回測\t339
14．6 多股票持倉量化交易策略實(shí)戰(zhàn)案例\t339
14．6．1 編寫初始化函數(shù)\t340
14．6．2 編寫單位時(shí)間調(diào)用的函數(shù)\t340
14．6．3 多股票持倉量化交易策略的回測\t341
14．7 醫(yī)藥股輪動(dòng)量化交易策略實(shí)戰(zhàn)案例\t342
14．7．1 編寫初始化函數(shù)\t342
14．7．2 編寫選股函數(shù)\t342
14．7．3 編寫交易函數(shù)\t343
14．7．4 醫(yī)藥股輪動(dòng)量化交易策略的回測\t343
14．8 小市值股票量化交易策略實(shí)戰(zhàn)案例\t344
14．8．1 編寫初始化函數(shù)\t344
14．8．2 編寫選股函數(shù)\t345
14．8．3 編寫過濾停牌股票函數(shù)\t345
14．8．4 編寫交易函數(shù)\t346
14．8．5 小市值股票量化交易策略的回測\t346
14．9 機(jī)器算法多因子量化交易策略實(shí)戰(zhàn)案例\t347
14．9．1 編寫初始化函數(shù)\t347
14．9．2 編寫自定義的交易函數(shù)\t348
14．9．3 機(jī)器算法多因子量化交易策略的回測\t353