python股票量化交易⼊门到实践_Python股票量化交易从⼊门
到实践
第 1章 理解Python股票量化交易  1
1.1　多⾓度分析量化交易　1
1.1.1　量化交易的本质　2
1.1.2　量化交易的发展　4
1.1.3　量化交易的优势　7
1.1.4　量化交易的过程　8
1.2　多⾓度分析股票价格　9
1.2.1　从股票的起源看本质　9
1.2.2　如何衡量股票溢价　11
1.2.3　股票收益的组成　12
1.2.4　股价波动的原因　13
1.3　为什么选择Python语⾔　14
1.3.1　概述编程语⾔的发展　14
1.3.2　⾯向过程和⾯向对象　15
1.3.3　Python的起源及优势　16
1.4　本章总结　17
第　2章 量化语⾔Python的关键应⽤　18
2.1　快速部署Python开发环境　18
2.1.1　Python环境安装　18
2.1.2　第三⽅库安装　21
2.1.3　开发⼯具安装　22
2.2　开启Python的第 ⼀个程序　26
2.2.1　如何建⽴标准py⽂件　26
2.2.2　区分模块、包、库　28
2.2.3　import发挥扩展优势　29
2.2.4　调试助⼿print( )函数　30
2.3　何为Python动态类型特性　31
2.3.1　变量的种类　31
2.3.2　动态类型的特性　35
2.3.3　内存管理与回收　38
2.3.4　深⼊探究PyObject　39
2.4　如何正确地创建函数　41
2.4.1　⽤def关键字定义函数　41
2.4.2　参数传递的形式　41
2.4.3　匿名函数lambda　44
2.5　初识Python⾯向对象　45
2.5.1　⽗类、⼦类和实例　46
2.5.2　元类和类及object和type　47 2.5.3　经典类和新式类的区别　49 2.6　如何⽤⾯向对象思维编程　49 2.6.1　如何正确地构建类　50
2.6.2　类的实例化全过程　51
2.6.3　如何引⽤类的属性　52
2.6.4　如何引⽤类的⽅法　54
2.6.5　类的继承机制应⽤　55
2.6.6　类的组合机制应⽤　57
2.7　深⼊理解for-in循环　57
2.7.1　for-in循环的原理　57
2.7.2　for-in循环的使⽤技巧　59
2.7.3　⽣成器的原理和作⽤　62
2.8　巧⽤装饰器测试代码效率　63 2.9　多进程和多线程的提速⽅案　67 2.9.1　多进程和多线程　68
2.9.2　Python的GIL原理　68
2.9.3　多任务的解决⽅案　69
2.10　未⾬绸缪的异常处理机制　72 2.10.1　分析try-except常规机制　72 2.10.2　扩展try-except使⽤技巧　74 2.11　本章总结　75
第3章　第三⽅库NumPy快速⼊门　76 3.1　初识N维数组对象　76
3.2　N维数组对象的特性　78
3.2.1　⽮量运算的特性　78
3.2.2　⼴播运算的特性　79
3.2.3　⽤条件表达式选取元素　82
3.3　⾼效处理性能的对⽐　83
3.4　⽤常⽤数组处理函数　84
3.4.1　创建数组的函数　85
3.4.2　元素级处理函数　87
3.4.3　线性代数相关函数　88
3.5　本章总结　91
第4章　第三⽅库Pandas快速⼊门　92 4.1　Series和DataFrame概览　93
4.2　Series的⽣成和访问　93
4.2.1　Series的⽣成⽅法　94
4.2.2　Series的访问⽅法　96
4.3　DataFrame的⽣成和访问　97
4.3.1　DataFrame的⽣成⽅法　97
4.3.2　DataFrame的索引访问　99
4.3.3　DataFrame的元素访问　100 4.3.4　元素标签和位置的转换　103 4.3.5　⽤条件表达式访问元素　105 4.4　时间序列的⽣成和转换　106
4.4.1　⽤datetime⽣成时间序列　106 4.4.2　⽤Pandas⽣成时间序列　109 4.4.3　时间序列的降采样　112
4.4.4　时间序列的升采样　114
4.5　DataFrame的规整化处理　117 4.
5.1　模拟⽣成股票⾏情数据　117 4.5.2　DataFrame概览　120
4.5.3　DataFrame的可视化　122
4.5.4　DataFrame缺失值处理　123 4.5.5　DataFrame精度的转换　125 4.5.6　DataFrame合并处理　125
4.6　DataFrame的⾼效遍历　128
4.6.1　循环遍历的⼏种⽅式　129
4.6.2　循环遍历的性能对⽐　130
4.7　DataFrame的存储和加载　131 4.7.1　将DataFrame存储⾄CSV　132
4.7.2　将CSV加载为DataFrame　134 4.8　本章总结　135
第5章　第三⽅库Matplotlib快速⼊门　136 5.1　两种绘图⽅式的区分　136
5.1.1　函数式绘图　137
5.1.2　对象式绘图　141
5.2　常⽤图表类型的绘制　143
5.2.1　折线图的绘制　143
5.2.2　标注点的绘制　144
5.2.3　参考线/区域的绘制　147
5.2.4　双y轴图表的绘制　148
5.2.5　条形图的绘制　149
5.2.6　直⽅图的绘制　151
5.2.7　K线图的绘制　152
5.3　图形对象属性参数的调节　155
5.4　多⼦图对象的创建和布局　158
5.4.1　创建多⼦图对象的⽅法　158
5.4.2　布局多⼦图对象的⽅法　161
5.5　注意事项　163
5.5.1　tight_layout( )出错问题　163
5.5.2　中⽂显⽰乱码问题　164
5.6　本章总结　164
第6章　统计概率理论快速⼊门　165
6.1　统计概率的基础知识　165
6.1.1　随机事件与概率的关系　165
6.1.2　离散和连续随机变量　166
6.1.3　典型的随机变量分布　168
6.2　深⼊理解伯努利分布　170
6.2.1　伯努利分布的随机数　170
6.2.2　伯努利分布的概率　170
6.2.3　伯努利分布的市场模型　172
6.3　深⼊理解正态分布　179
6.3.1　正态分布的随机数　179
6.3.2　⽣成概率密度函数　181
6.3.3　正态分布与随机漫步　183
6.4　本章总结　188
第7章　股票⾏情数据的获取和管理　189 7.1　如何获取股票⾏情数据　189
7.1.1　⽤Panads获取股票数据　190
7.1.2　⽤Tushare获取股票数据　192
python编程:从入门到实践第二版
7.1.3　⽤Baostock获取股票数据　196
7.2　规整化处理股票数据格式　199
7.2.1　⾏索引时间格式规整化　200
7.2.2　列索引名称格式规整化　202
7.3　定制股票⾏情数据获取接⼝　203
7.4　注册JSON格式⾃选股票池　204
7.4.1　将股票池另存为JSON⽂件　205 7.4.2　加载JSON⽂件以获取股票池　209 7.5　⽤多任务为股票数据的获取提速　209 7.6　⽤数据库管理本地⾏情数据　212
7.6.1　Python操作SQLite的API　212
7.6.2　Pandas操作SQLite的API　216 7.6.3　建⽴SQLite股票⾏情数据库　217 7.6.4　基于SQLite股票⾏情数据分析　219 7.7　本章总结　221
第8章　股票技术指标的可视化分析　222 8.1　定制可视化接⼝　222
8.1.1　可视化代码结构分析　224
8.1.2　可视化接⼝框架实现　225
8.1.3　可视化图表类型实现　228
8.1.4　可视化接⼝使⽤说明　229
8.2　基础技术指标的可视化　231
8.2.1　原⽣量价指标可视化　232
8.2.2　移动平均线SMA可视化　235
8.2.3　震荡类指标KDJ可视化　237
8.2.4　趋势类指标MACD可视化　239
8.3　衍⽣技术指标的可视化　242
8.3.1　均线交叉信号可视化　243

版权声明：本站内容均来自互联网，仅供演示用，请勿用于商业和其他非法用途。如果侵犯了您的权益请与我们联系QQ:729038198，我们将在24小时内删除。