本站整理下载：

 

用户下载说明：

电子版仅供预览，下载后24小时内务必删除，支持正版，喜欢的请购买正版书籍：

https://item.jd.com/12173437.html

  

相关截图：



资料简介：

本书从对量化交易的正确认识出发，循序渐进地讲解了量化交易所需要了解的各种知识及工具。书中特别穿插了大量的开发技巧与交易技巧，还提供了大量基于真实交易的实例，有很强的实用性。本书偏重于量化技术在实际交易中的应用，读者不需要有深厚的数学功底即可阅读。

本书共11章，分为4部分。第1部分讲解了对量化交易的正确认识；第2部分讲解了量化交易的基础，如Python语言、数学和几种数据分析工具等；第3部分讲解了量化交易系统的开发与使用，以及基础度量概念及*优参数等问题；第4部分讲解了机器学习技术在量化交易中的实际应用。附录中还给出了量化环境部署、量化相关性分析、量化统计分析及指标应用等相关内容。

本书适合所有对量化交易感兴趣的人员阅读，也适合相关院校和培训机构作为量化交易系统课程的教材。阅读本书，建议读者有一定的编程基础。

一分钟了解本书内容精华：

量化引言

量化语言——Python

量化工具——NumPy

量化工具——pandas

量化工具——可视化

量化工具——数学

量化系统——入门

量化系统——开发

量化系统——度量与优化

量化系统——机器学习•猪老三

量化系统——机器学习•abu

量化环境部署

量化相关性分析

量化统计分析及指标应用

资料目录：

前言

第1部分 对量化交易的正确认识

第1章 量化引言 2

1.1 什么是量化交易 2

1.2 量化交易：投资？投机？赌博？ 3

1.3 量化交易的优势 4

1.4 量化交易的正确认识 8

1.5 量化交易的目的 11

第2部分 量化交易的基础

第2章 量化语言——Python 14

2.1 基础语法与数据结构 15

2.2 函数 20

2.3 面向对象 25

2.4 性能效率 38

2.5 代码调试 45

2.6 本章小结 48

第3章 量化工具——NumPy 49

3.1 并行化思想与基础操作 49

3.2 基础统计概念与函数使用 57

3.3 正态分布 62

3.4 伯努利分布 66

3.5 本章小结 71

第4章 量化工具——pandas 72

4.1 基本操作方法 72

4.2 基本数据分析示例 78

4.3 实例1：寻找股票异动涨跌幅阀值 87

4.4 实例2：星期几是这个股票的“好日子” 91

4.5 实例3：跳空缺口 95

4.6 pandas三维面板的使用 98

4.7 本章小结 101

第5章 量化工具——可视化 102

5.1 使用Matplotlib可视化数据 102

5.2 使用Bokeh交互可视化 106

5.3 使用pandas可视化数据 107

5.4 使用Seaborn可视化数据 112

5.5 实例1：可视化量化策略的交易区间及卖出原因 115

5.6 实例2：标准化两个股票的观察周期 120

5.7 实例3：黄金分割线 124

5.8 技术指标的可视化 130

5.9 本章小结 133

第6章 量化工具——数学 134

6.1 回归与插值 134

6.2 蒙特卡罗方法与凸优化 139

6.3 线性代数 159

6.4 本章小结 168

第3部分 量化交易系统的开发

第7章 量化系统——入门 170

7.1 趋势跟踪与均值回复 170

7.2 仓位控制管理 188

7.3 本章小结 202

第8章 量化系统——开发 203

8.1 abu量化系统择时 204

8.2 abu量化系统选股 234

8.3 本章小结 242

第9章 量化系统——度量与优化 243

9.1 度量的基本使用方法 243

9.2 度量的基础 247

9.3 基于Grid Search寻找因子最优参数 253

9.4 资金限制对度量的影响 266

9.5 输入中文自动生成交易策略 272

9.6 本章小结 276

第4部分 机器学习在量化交易中的实战

第10章 量化系统——机器学习•猪老三 278

10.1 机器学习基础概念 278

10.2 猪老三世界中的量化环境 282

10.3 有监督机器学习 286

10.4 无监督机器学习 299

10.5 梦醒时分 303

10.6 本章小结 317

第11章 量化系统——机器学习•abu 318

11.1 搜索引擎与量化交易 319

11.2 主裁 321

11.3 边裁 351

11.4 一定要赢得这场胜利，即使一切都不存在 360

11.5 本章小结 361

 

附录A 量化环境部署 362

附录B 量化相关性分析 381

附录C 量化统计分析及指标应用 388