量化交易之路 : 用 Python 做股票量化分析

阿布，曾就職於奇虎360、百度互聯網證券、百度金融等互聯網型金融公司。有近10年的互聯網金融技術從業經驗。現作為自由職業者，從事個人量化交易及量化交易的培訓工作。擅長中小資金星化交易系統的開發，並為中小型量化私募資金提供技術解決方案與支持。

前言

第1部分對量化交易的正確認識
第1章量化引言2 
1.1什麼是量化交易2 
1.2量化交易：投資？投機？賭博？3 
1.3量化交易的優勢4 
1.3.1避免短線頻繁交易4 
1.3.2避免逆勢操作5 
1.3.3避免重倉交易5 
1.3.4避免對勝率的盲目追求6 
1.3.5確保交易策略的執行6 
1.3 .6獨立交易及對結果負責的信念6 
1.3.7從歷史驗證交易策略是否可行7 
1.3.8尋找交易策略的zui優參數7 
1.3.9減少無意義的工作及乾擾7 
1.4量化交易的正確認識8 
1.4.1不要因循守舊，認為量化交易是邪門歪道8 
1.4.2不要異想天開，認為量化交易有神奇的魔法8 
1.4.3不要抱有不勞而獲的幻想9 
1.4.4不要盲目追求量化策略的複雜性9 
1.4 .5認清市場，認清自己，知己知彼，百戰不殆10 
1.5量化交易的目的11 

第2部分量化交易的基礎
第2章量化語言——Python 14 
2.1基礎語法與數據結構15 
2.1.1基本類型和語法15 
2.1.2字符串和容器17
2.2函數20 
2.2.1函數的使用和定義20 
2.2.2 lambda函數21 
2.2.3高階函數22 
2.2.4偏函數25 
2.3面向對象25 
2.3.1類的封裝26 
2.3.2繼承和多態30 
2.3.3靜態方法、類方法與屬性34 
2.4性能效率38 
2.4.1 itertools的使用38 
2.4.2多進程VS多線程41 
2.4.3使用編譯庫提高性能43 
2.5代碼調試45 
2.6本章小結48 

第3章量化工具——NumPy 49 
3.1並行化思想與基礎操作49 
3.1.1並行化思想49 
3.1.2初始化操作50 
3.1.3索引選取和切片選擇51 
3.1.4數據轉換與規整52 
3.1.5邏輯條件進行數據篩選53 
3.1.6通用序列函數54 
3.1.7數據本地序列化操作57 
3.2基礎統計概念與函數使用57 
3.2.1基礎統計函數的使用57 
3.2.2基礎統計概念60 
3.3正態分佈62 
3.3 .1正態分佈基礎概念62 
3.3.2實例1：正態分佈買入策略64
3.4伯努利分佈66 
3.4.1伯努利分佈基礎概念67 
3.4.2實例2：如何在交易中獲取優勢67 
3.5本章小結71 

第4章量化工具——pandas 72 
4.1基本操作方法72 
4.1.1 DataFrame構建及方法72 
4.1.2索引行列序列73 
4.1.3金融時間序列74 
4.1.4 Series構建及方法75 
4.1.5重採樣數據76 
4.2基本數據分析示例78 
4.2.1總覽分析數據79 
4.2.2索引選取和切片選擇80 
4.2.3邏輯條件進行數據篩選82 
4.2.4數據轉換與規整84 
4.2.5數據本地序列化操作86 
4.3實例1：尋找股票異動漲跌幅閥值87 
4.3.1數據的離散化88 
4.3.2 concat、append和merge的使用89 
4.4實例2：星期幾是這個股票的“好日子” 91 
4.4.1構建交叉表92 
4.4.2構建透視表94 
4.5實例3：跳空缺口95 
4.6 pandas三維面板的使用98 
4.7本章小結101 

第5章量化工具——可視化102 
5.1使用Matplotlib可視化數據102
5.1.1 Matplotlib可視化基礎102 
5.1.2 Matplotlib子畫布及loc的使用104 
5.1.3 K線圖的繪製105 
5.2使用Bokeh交互可視化106 
5.3使用pandas可視化數據107 
5.3.1繪製股票的收益及收益波動情況107 
5.3.2繪製股票的價格與均線109 
5.3.3其他pandas統計圖形種類110 
5.4使用Seaborn可視化數據112 
5.5實例1：可視化量化策略的交易區間及賣出原因115 
5.6實例2：標準化兩個股票的觀察週期120 
5.7實例3：黃金分割線124 
5.7.1黃金分割線的定義方式124 
5.7.2多維數據繪製示例127 
5.8技術指標的可視化130 
5.8.1 MACD指標的可視化131 
5.8.2 ATR指標的可視化132 
5.9本章小結133 

第6章量化工具——數學134 
6.1回歸與插值134 
6.1.1線性回歸135 
6.1.2多項式回歸137 
6.1.3插值138 
6.2蒙特卡羅方法與凸優化139 
6.2.1你一生的追求到底能帶來多少幸福140 
6.2.2使用蒙特卡羅方法計算怎樣度過一生zui幸福149
6.2.3凸優化基礎概念152 
6.2.4全局求解怎樣度過一生zui幸福153 
6.2.5非凸函數計算怎樣度過一生zui幸福154 
6.2.6標準凸函數求zui優157 
6.3線性代數159 
6.3. 1矩陣基礎知識160 
6.3.2特徵值和特徵向量162 
6.3.3 PCA和SVD理論知識163 
6.3.4 PCA和SVD使用實例164 
6.4本章小結168 

第3部分量化交易系統的開發
第7章量化系統— —入門170 
7.1趨勢跟踪與均值回复170 
7.1.1趨勢跟踪和均值回复的周期重疊性171 
7.1.2實例1：均值回复策略176 
7.1.3實例2：趨勢跟踪策略184 
7.2倉位控制管理188 
7.2. 1凱利公式189 
7.2.2一隻股票的時間簡史190 
7.2.3三隻小豬股票投資的故事195 
7.3本章小結202 

第8章量化系統——開發203 
8.1 abu量化系統擇時204 
8.1.1買入因子的實現204 
8.1.2賣出因子的實現210 
8.1.3滑點買入、賣出價格確定及策略實現221 
8.1.4多隻股票使用相同的因子進行擇時226
8.1.5自定義倉位管理策略的實現229 
8.1.6多隻股票使用不同的因子進行擇時230 
8.1.7使用並行來提升擇時的運行效率231 
8.2 abu量化系統選股234 
8.2.1選股因子的實現234 
8.2.2多個選股因子並行執行240 
8.2.3使用並行來提升選股的運行效率241 
8.3本章小結242
 
第9章量化系統——度量與優化243 
9.1度量的基本使用方法243 
9.2度量的基礎247 
9.2.1度量的基礎概念247 
9.2.2度量的可視化250 
9.3基於Grid Search尋找因子zu優參數253 
9.3.1參數取值範圍253 
9.3.2參數進行排列組合254 
9.3.3 Grid Search尋找zui優參數255 
9.3.4度量結果的評分258 
9.3.5不同權重的評分262 
9.4資金限制對度量的影響266 
9.5輸入中文自動生成交易策略272 
9.6本章小結276 

第4部分機器學習在量化交易中的實戰
第10章量化系統——機器學習·豬老三278 
10.1機器學習基礎概念278 
10.1.1小紅帽識別毒蘑菇278
10.1.23種機器學習問題281 
10.2豬老三世界中的量化環境282 
10.3有監督機器學習286 
10.3.1豬老三使用回歸預測股價288 
10.3.2豬老三使用分類預測股票漲跌294 
10.3. 3通過決策樹分類，繪製出決策圖297 
10.4無監督機器學習299 
10.4.1使用降維可視化數據299 
10.4.2豬老三使用聚類算法提高正確率301 
10.5夢醒時分303 
10.5.1回測中生成特徵／切分訓練測試集／成交買單快照304 
10.5.2基於特徵的交易預測309 
10.5.3基於深度學習的交易預測312 
10.5.4預測市場的混沌316 
10.6本章小結317 

第11章量化系統——機器學習abu 318 
11.1搜索引擎與量化交易319 
11.2主裁321 
11.2.1角度主裁322 
11.2.2使用全局zui優對分類簇集合進行篩選331 
11.2.3跳空主裁334 
11.2.4價格主裁338 
11.2.5波動主裁341 
11.2.6驗證主裁是否稱職345 
11.2.7在abu系統中開啟主裁攔截模式348 
11.3邊裁351
11.3.1角度邊裁352 
11.3.2價格邊裁354 
11.3.3波動邊裁354 
11.3.4綜合邊裁355 
11.3.5驗證邊裁是否稱職355 
11.3.6在abu系統中開啟邊裁攔截模式359 
11.4一定要贏得這場胜利，即使一切都不存在360 
11.5本章小結361 

附錄A量化環境部署362 
附錄B量化相關性分析381 
附錄C量化統計分析及指標應用388