[套装书]Python量化投资：技术、模型与策略+量化投资分析（原书第3版）（2册）

作者
赵志强 刘志伟 理查德 A.德弗斯科丹尼斯 W.麦克利维杰拉尔德 E.平托戴维 E. 朗克尔
丛书名
出版社
机械工业出版社
ISBN
9782009221441
简要
简介
内容简介书籍计算机书籍 ---------------------------Python量化投资：技术、模型与策略--------------------------- 全书共18章，前11章主要讲解基础知识。第1章介绍了什么是量化投资，以及为什么要用Python。第2章介绍了如何搭建基础环境，介绍了常用的一些工具。第3章讲解python的基本应用和常用的库。第4章介绍python数据分析中常用的Numpy, Scipy, Pandas。第5章介绍数据分析的基础方法。第6章介绍数据的可视化，使用matplotlib库。第7章介绍基础的金融分析方法。第8章介绍技术分析和时序序列分析，从业界和学术界两种角度来进行分析。第9章介绍了投资组合理论和由此衍生出来的多因子模型。第10章介绍了金融市场中衍生品的分析，以期货和期权为主。第11章从利率开始，介绍了债券的分析方法。 从第12章开始进入实战篇。第12章讲解中国金融市场，主要针对二级市场，并介绍了针对不同市场的基本投资策略。第13章介绍了，研究策略时，所需的数据来源，开源数据和商业数据库都有介绍。并且介绍目前比较流行的python的开源数据源。第14章介绍了如何建立数据库，并且讲解针对不同数据，如何设计数据库。第15章介绍了策略研究基本概念，方法论和流程。第16章介绍了进行自动化交易的接口，并且介绍了目前比较流行的开源项目vn.py。第17章介绍了如何使用python爬取网络上数据，并进行舆情分析。第18章介绍了人工智能的基本概念和算法，并且介绍了人工智能在量化投资中的应用。 ---------------------------量化投资分析(原书第3版）--------------------------- 本书所介绍的全球通用的准则将帮助投资者理解定量投资方法，并将这些方法应用到当今的投资过程中。在新版中，作者对该学科中的相关内容进行了更新；并对一些主要内容（包括回归、时间序列和多因子模型）的表述和介绍进行了修改；此外，还提供了更加丰富多彩的投资实例，这些实例反映了在当前投资界中所发生的变化。本书对许多定量分析方法予以了清晰的介绍，并给出了实例。本书讨论的主题包括：货币的时间价值；折现现金流的应用；常用概率分布；抽样和估计；假设检验；相关性和回归；多元回归和回归分析中的一些问题；时间序列分析；投资组合的概念。
目录



---------------------------Python量化投资：技术、模型与策略---------------------------


推荐序一
推荐序二
推荐序三
前言
第1章　量化投资与Python简介 1
1.1　量化投资基本概念 1
1.2　量化投资的特征 2
1.3　量化投资的优势 3
1.4　量化、AI并不是一切 4
1.5　编程语言比较 5
1.5.1　Matlab 5
1.5.2　R 6
1.5.3　C++ 6
1.5.4　Python 6
1.5.5　其他语言 7
1.6　为什么要使用Python 7
1.7　Python构建量化投资生产线 10
第2章　平台搭建和工具 11
2.1　需要考虑的问题 11
2.2　编程环境搭建流程 12
2.2.1　其他库的安装 12
2.2.2　四种集成开发环境（IDE）介绍 13
第3章　Python金融分析常用库介绍 17
3.1　NumPy 17
3.1.1　创建多维数组 18
3.1.2　选取数组元素 19
3.2　SciPy 20
3.3　Pandas 21
3.3.1　DataFrame入门 21
3.3.2　Series 35
3.4　StatsModels 36
第4章　可视化分析 39
4.1　Matplotlib 39
4.1.1　散点图 39
4.1.2　直方图 40
4.1.3　函数图 40
4.1.4　Matplotlib和seaborn的中文乱码问题 42
4.2　seaborn 43
4.3　python-highcharts 47
第5章　统计基础 53
5.1　基本统计概念 53
5.1.1　随机数和分布 53
5.1.2　随机数种子 58
5.1.3　相关系数 58
5.1.4　基本统计量 59
5.1.5　频率分布直方图 60
5.2　连续随机变量分布 63
5.2.1　分布的基本特征 63
5.2.2　衍生特征 66
5.3　回归分析 68
5.3.1　最小二乘法 68
5.3.2　假设检验 71
第6章　数据预处理和初步探索 74
6.1　数据清理 74
6.1.1　可能的问题 75
6.1.2　缺失值 75
6.1.3　噪声或者离群点 76
6.1.4　数据不一致 77
6.2　描述性统计 77
6.2.1　中心趋势度量 77
6.2.2　数据散布度量 78
6.3　描述性统计的可视化分析 79
6.3.1　直方图 79
6.3.2　散点图 82
6.3.3　盒图 83
第7章　Pandas进阶与实战 86
7.1　多重索引 86
7.2　数据周期变换 90
第8章　金融基础概念 92
8.1　收益率 92
8.2　对数收益率 93
8.3　年化收益 93
8.4　波动率 93
8.5　夏普比率 94
8.6　索提诺比率 96
8.7　阿尔法和贝塔 96
8.8　最大回撤 97
第9章　资产定价入门 98
9.1　利率 98
9.2　利率的计量 99
9.3　零息利率 100
9.4　债券定价 101
9.4.1　债券收益率 101
9.4.2　平价收益率 102
9.4.3　国债零息利率确定 102
9.4.4　远期利率 105
9.5　久期 106
9.6　期权 106
9.7　期权的描述 107
9.8　看涨期权和看跌期权 107
9.9　期权价格与股票价格的关系 108
9.10　影响期权价格的因素 108
第10章　金融时间序列分析 110
10.1　为什么用收益率而不是价格 110
10.2　金融时间序列定义 110
10.3　平稳性 112
10.4　白噪声序列 112
10.5　自相关系数 113
10.6　混成检验 114
10.7　AR（p）模型 115
10.7.1　AR（p）模型简介 115
10.7.2　AR(p)平稳性检验 115
10.7.3　AR(p)如何确定参数p 117
10.8　信息准则 119
10.8.1　拟合优度 120
10.8.2　预测 121
10.9　ARMA模型 122
10.9.1　MA模型 122
10.9.2　ARMA模型公式 124
10.9.3　ARMA模型阶次判定 124
10.9.4　建立ARMA模型 125
10.10　ARCH和GARCH模型 126
10.10.1　波动率的特征 127
10.10.2　波动率模型框架 127
10.10.3　ARCH模型 127
10.10.4　GARCH模型 132
第11章　数据源和数据库 135
11.1　数据来源 135
11.2　TuShare 135
11.2.1　TuShare安装 136
11.2.2　TuShare的Python SDK 136
11.3　pandas-reader 137
11.4　万得接口 141
11.4.1　一个简单例子 141
11.4.2　数据库 142
11.4.3　下载所有股票历史数据 143
第12章　CTA策略 145
12.1　趋势跟踪策略理论基础 145
12.2　技术指标 146
12.3　主力合约的换月问题 147
12.4　用Python实现复权 148
12.4.1　加减复权 148
12.4.2　乘除复权 149
12.5　安装ta-lib 151
12.6　ta-lib的指标和函数介绍 152
12.7　可叠加指标 153
12.7.1　MA、EMA 154
12.7.2　Bollinger Bands 155
12.8　动量指标 156
12.8.1　动量指标简介 156
12.8.2　相对强弱指标 157
12.9　成交量指标 158
12.10　波动率指标 158
12.11　价格变换 159
12.12　Pattern Recognition 160
12.13　一个简单策略模式 163
第13章　策略回测 165
13.1　回测系统是什么 165
13.2　各种回测系统简介 165
13.3　什么是回测 166
13.4　回测系统的种类 167
13.4.1　“向量化”系统 167
13.4.2　For循环回测系统 167
13.4.3　事件驱动系统 168
13.5　回测的陷阱 169
13.6　回测中的其他考量 169
13.7　回测系统概览 170
13.8　使用Python搭建回测系统 171
13.8.1　Python向量化回测 171
13.8.2　Python For循环回测 174
13.8.3　PyAlgoTrade简介 177
第14章　多因子风险模型 181
14.1　风险定义 181
14.2　资本资产定价模型 182
14.3　套利定价理论 182
14.4　多因子模型 183
14.5　多因子模型的优势 183
14.6　建立多因子模型的一般流程 184
14.6.1　风险因子的种类 184
14.6.2　反映外部影响的因子 184
14.6.3　资产截面因子 184
14.6.4　统计因子 184
14.7　行业因子 185
14.8　风险因子 185
14.8.1　风险因子分类 185
14.8.2　投资组合风险分析 186
14.9　基准组合 186
14.10　因子选择和测试 187
14.11　Fama-French三因子模型 187
14.12　因子发掘与论证 191
14.13　单因子有效性分析alphalens 192
14.13.1　数据预处理 192
14.13.2　收益率分析 195
14.13.3　信息系数分析 198
14.14　财务因子为什么不好用 201
第15章　资金分配 203
15.1　现代/均值-方差资产组合理论 203
15.1.1　MPT理论简介 203
15.1.2　随机权重的夏普比率 204
15.1.3　最大化夏普比率 207
15.2　Black-Litterman资金分配模型 209
15.2.1　MPT的优化矩阵算法 209
15.2.2　Black-Litterman模型 215
第16章　实盘交易和vn.py框架 219
16.1　交易平台简介 219
16.2　交易框架vn.py 219
16.3　vn.py的安装和配置 220
16.3.1　安装VN Studio 220
16.3.2　运行VN Station 221
16.3.3　启动VN Trader 222
16.4　CTA策略模块分析 224
16.5　第一个入门策略 225
16.5.1　创建策略文件 225
16.5.2　定义策略类 225
16.5.3　设置参数变量 229
16.5.4　交易逻辑实现 230
16.5.5　实盘K线合成 232
16.6　on_tick和on_bar 233
16.6.1　on_tick的逻辑 233
16.6.2　on_bar的逻辑 234
16.6.3　策略的两种模式 235
第17章　Python与Excel交互 239
17.1　Excel相关库简介 239
17.2　OpenPyxl基础 239
17.2.1　OpenPyxl入门操作 239
17.2.2　Pandas与Excel 242
17.2.3　在Excel中绘图 244
后记 252



---------------------------量化投资分析(原书第3版）---------------------------


CFA协会介绍
推荐序
前　言
致　谢
关于“CFA协会投资系列”
第1章　货币的时间价值/1
1.1　引言1
1.2　利率：经济学的解释2
1.3　单笔现金流的终值4
1.3.1　复利的频数9
1.3.2　连续复利11
1.3.3　名义利率和有效利率12
1.4　现金流序列的终值13
1.4.1　等额现金流序列——普通年金13
1.4.2　不等额现金流序列15
1.5　单笔现金流的现值15
1.5.1　求解单笔现金流的现值15
1.5.2　复利的频数17
1.6　现金流序列的现值18
1.6.1　等额现金流序列的现值19
1.6.2　无限期等额现金流序列的现值——永续年金22
1.6.3　起始点不在0时刻的现金流序列的现值23
1.6.4　不等额现金流序列的现值25
1.7　求解利率、期数或年金支付额26
1.7.1　求解利率和增长率26
1.7.2　求解期数28
1.7.3　求解年金支付额29
1.7.4　现值和终值换算关系的回顾32
1.7.5　现金流可加性原理34
1.8　总结35
第2章　贴现现金流的应用/36
2.1　引言36
2.2　净现值和内部收益率37
2.2.1　净现值和净现值准则37
2.2.2　内部收益率和内部收益率准则39
2.2.3　与内部收益率准则相关的问题43
2.3　投资组合收益的度量45
2.3.1　金额加权收益率45
2.3.2　时间加权收益率47
2.4　货币市场收益率52
2.5　总结58
第3章　统计学概念和市场收益率/59
3.1　引言60
3.2　一些基本概念60
3.2.1　统计学的本质61
3.2.2　总体和样本61
3.2.3　度量尺度62
3.3　用频数分布汇总数据64
3.4　数据的图形表示71
3.4.1　直方图71
3.4.2　频数多边形和累积频数分布图73
3.5　集中趋势的度量75
3.5.1　算术平均数75
3.5.2　中位数79
3.5.3　众数82
3.5.4　有关均值的其他概念84
3.6　位置的度量：分位数92
3.6.1　四分位数、五分位数、十分位数、百分位数92
3.6.2　分位数在投资中的应用97
3.7　离散度的度量99
3.7.1　极差99
3.7.2　平均绝对偏差100
3.7.3　总体方差和总体标准差102
3.7.4　样本方差和样本标准差105
3.7.5　半方差、半离差及其相关概念108
3.7.6　切比雪夫不等式110
3.7.7　变异系数111
3.7.8　夏普比率113
3.8　收益率分布的对称性和偏度116
3.9　收益率分布的峰度120
3.10　使用几何平均和算术平均124
3.11　总结126
第4章　概率论中的一些概念/129
4.1　引言130
4.2　概率、期望值和方差130
4.3　投资组合的期望收益和收益的方差153
4.4　概率论的一些议题162
4.4.1　贝叶斯公式162
4.4.2　计数原理167
4.5　总结171
第5章　常用概率分布/174
5.1　引言175
5.2　离散型随机变量175
5.2.1　离散均匀分布178
5.2.2　二项分布179
5.3　连续型随机变量189
5.3.1　连续均匀分布189
5.3.2　正态分布192
5.3.3　正态分布的应用198
5.3.4　对数正态分布201
5.4　蒙特卡罗模拟207
5.5　总结214
第6章　抽样和估计/217
6.1　引言217
6.2　抽样218
6.2.1　简单随机抽样218
6.2.2　分层随机抽样220
6.2.3　时间序列数据和横截面数据222
6.3　样本均值的分布224
6.3.1　中心极限定理224
6.4　总体均值的点估计和区间估计227
6.4.1　点估计量228
6.4.2　总体均值的置信区间230
6.4.3　样本量的选择235
6.5　抽样中的若干问题238
6.5.1　数据挖掘的偏差238
6.5.2　样本选择的偏差241
6.5.3　前视偏差242
6.5.4　时期偏差243
6.6　总结244
第7章　假设检验/247
7.1　引言248
7.2　假设检验248
7.3　关于均值的假设检验258
7.3.1　对单个均值的检验259
7.3.2　对均值间差异的检验265
7.3.3　对（配对样本）均值差的检验269
7.4　关于方差的假设检验273
7.4.1　对单个方差的检验273
7.4.2　对两个方差是否相等的检验275
7.5　其他议题：非参数推断278
7.5.1　相关性检验：斯皮尔曼秩相关系数279
7.5.2　非参数推断：总结281
7.6　总结282
第8章　相关性和回归/285
8.1　引言285
8.2　相关性分析286
8.2.1　散点图286
8.2.2　相关性分析287
8.2.3　计算和解释相关系数288
8.2.4　相关性分析的局限290
8.2.5　相关性分析的应用292
8.2.6　相关系数显著性检验298
8.3　线性回归302
8.3.1　单变量的线性回归302
8.3.2　线性回归模型的前提假设305
8.3.3　估计量的标准误307
8.3.4　决定系数309
8.3.5　假设检验311
8.3.6　单变量回归中的方差分析318
8.3.7　预测区间322
8.3.8　回归分析的局限324
8.4　总结324
第9章　多元回归和回归分析中的问题/327
9.1　引言328
9.2　多元线性回归328
9.2.1　多元线性回归模型的前提假设333
9.2.2　预测多元回归模型中的因变量338
9.2.3　检验是否所有回归系数为零339
9.2.4　调整后的R2341
9.3　虚拟变量在回归中的使用343
9.4　回归假设的违背346
9.4.1　异方差347
9.4.2　序列相关352
9.4.3　多重共线性356
9.4.4　异方差、序列相关、多重共线性：问题的总结359
9.5　模型设定和设定中的错误360
9.5.1　模型设定的原则360
9.5.2　函数形式误设定361
9.5.3　时间序列误设定（自变量与误差相关）367
9.5.4　其他类型时间序列误设定371
9.6　定性因变量模型371
9.7　总结373
第10章　时间序列分析/376
10.1　引言377
10.2　处理时间序列数据所面临的挑战378
10.3　趋势模型379
10.3.1　线性趋势模型379
10.3.2　对数线性趋势模型382
10.3.3　趋势模型和误差项相关性检验387
10.4　自回归时间序列模型388
10.4.1　协方差平稳序列388
10.4.2　检测自回归模型中的序列相关误差390
10.4.3　均值回复393
10.4.4　多期预测和预测的链式法则394
10.4.5　比较预测模型的表现397
10.4.6　回归系数的不稳定性399
10.5　随机游走和单位根401
10.5.1　随机游走402
10.5.2　非平稳数据的单位根检验406
10.6　移动平均时间序列模型410
10.6.1　用n期移动平均平滑历史数据410
10.6.2　用移动平均时间序列模型来进行预测412
10.7　时间序列模型中的季节性415
10.8　自回归移动平均模型420
10.9　自回归条件异方差模型420
10.10　两个以上时间序列的回归423
10.11　时间序列的其他议题428
10.12　时间序列预测建议采取的步骤428
10.13　总结431
第11章　多因子模型简介/434
11.1　引言434
11.2　多因子模型与现代组合理论435
11.3　套利定价理论435
11.4　多因子模型：类型440
11.4.1　因子与多因子模型440
11.4.2　宏观因子模型结构440
11.4.3　基本面因子模型443
11.5　多因子模型：实践应用446
11.5.1　因子模型与业绩归因446
11.5.2　利用因子模型进行风险归因449
11.5.3　因子模型在组合构建方面的应用453
11.5.4　在策略组合构建时怎样有效选择因子454
11.6　总结455
附录/458
附录A　标准正态分布的累积概率459
附录B　学生t-分布（单边假设检验）461
附录C　X2分布（自由度、显著性水平）462
附录D　F-分布表463
附录E　Durbin-Watson统计量的临界值（α=0.05）467
术语表/468
作者简介/480



有问题微信扫码联系

推荐

Understand China
桂ICP备20004708号-4