從零開始學 Python 大數據與量化交易
周峰、王可群
- 出版商: 清華大學
- 出版日期: 2019-12-01
- 售價: $354
- 貴賓價: 9.5 折 $336
- 語言: 簡體中文
- 頁數: 364
- ISBN: 7302527547
- ISBN-13: 9787302527541
-
相關分類:
大數據 Big-data
立即出貨 (庫存 < 4)
買這商品的人也買了...
-
無瑕的程式碼－敏捷軟體開發技巧守則 + 番外篇－專業程式設計師的生存之道 (雙書合購)$940$700 -
無瑕的程式碼－敏捷完整篇－物件導向原則、設計模式與 C# 實踐 (Agile principles, patterns, and practices in C#)$790$672 -
Effective SQL 中文版 | 寫出良好 SQL 的 61個具體做法 (Effective SQL : 61 Specific Ways to Write Better SQL)$450$356 -
$653Python 金融衍生品大數據分析:建模、模擬、校準與對沖 (Derivatives Analytics with Python: Data Analysis, Models, Simulation, Calibration and Hedging) -
無瑕的程式碼－整潔的軟體設計與架構篇 (Clean Architecture: A Craftsman's Guide to Software Structure and Design)$580$452 -
Python 網頁程式交易 APP 實作：Web + MySQL + Django, 2/e$690$538 -
$301量化價值投資:人工智能算法驅動的理性投資 -
Python 技術者們 - 實踐！ 帶你一步一腳印由初學到精通$650$514 -
$352量化交易學習指南 基於R語言 -
$403Python 機器學習與量化投資 -
用科學方法玩金融：Python 智慧量化交易$560$442 -
$505Python 量化交易 -
$250利用機器學習開發算法交易系統 -
機器交易：利用算法贏得市場先機$534$507 -
$505Python 量化交易：策略、技巧與實戰 -
$301算法交易員 會賺錢的人工智能 -
零基礎搭建量化投資系統 — 以 Python 為工具$594$564 -
$505量化投資：交易模型開發與數據挖掘 -
增壓的 Python｜讓程式碼進化到全新境界 (Supercharged Python: Take Your Code to the Next Level)$680$537 -
Python 股票量化交易從入門到實踐$599$569 -
SQL 必知必會, 5/e (Sams Teach Yourself SQL in 10 Minutes a Day, 5/e)$294$279 -
Linux の繪本：快速上手 LINUX 的九堂課$380$300 -
用 TensorFlow 玩轉大數據與量化交易, 2/e$650$553 -
量化交易從入門到精通 如何構建你的算法交易系統$419$398 -
資料科學的建模基礎 : 別急著 coding！你知道模型的陷阱嗎？$599$473
相關主題
商品描述
《從零開始學Python 大數據與量化交易》首先講解量化交易的基礎知識，如量化交易的優勢、應用、註意事項、歷史、量化交易平臺等；然後講解量化交易開發語言Python，即講解Python 語言的開發環境、基本語法及流程控制、特徵數據類型、內置函數與自定義用戶函數、面向對象編程；接著講解大數據分析和可視化的3 個包，分別是Numpy 包、Pandas 包、Matplotlib 包；然後講解量化交易策略的編寫、獲取數據函數、基本面量化選股、量化擇時的技術指標函數、回測技巧、因子分析技巧；最後講解Python 量化交易策略的實戰案例。 在講解過程中既考慮讀者的學習習慣，又通過具體實例剖析講解Python 大數據與量化交易過程中的熱點問題、關鍵問題及種種難題。 《從零開始學Python 大數據與量化交易》適用於各種不同的投資者，如新老股民、中小散戶、股票操盤手、基金操盤手和專業股票評論人士以及經濟財經類專業的大學生，更適用於那些有志於在這個充滿風險、充滿寂寞的徵程上默默前行的徵戰者閱讀。
目錄大綱
第1章 量化交易快速入門
1.1 初識量化交易
1.1.1 量化交易的定義
1.1.2 量化交易與算法交易
1.1.3 量化交易與黑匣子交易
1.1.4 量化交易與程序化交易
1.1.5 量化交易與技術分析
1.2 量化交易的優勢
1.2.1 嚴格的紀律性
1.2.2 完備的系統性
1.2.3 妥善運用套利的思想
1.2.4 靠概率取勝
1.3 量化交易的應用
1.3.1 投資品種選擇
1.3.2 投資時機選擇
1.3.3 算法交易
1.3.4 各種套利交易
1.3.5 資產配置
1.4 量化交易與人工交易的對比
1.5 量化交易的註意事項
1.6 量化交易的發展過程
1.6.1 國外量化交易的發展過程
1.6.2 國內量化交易的發展過程
1.7 量化交易的平臺
1.7.1 聚寬JoinQuant 量化交易平臺的功能
1.7.2 賬戶註冊、登錄及策略創建
1.7.3 量化交易策略的選股
1.7.4 量化交易策略的買賣條件
1.7.5 量化交易策略的風險控制
1.7.6 量化交易策略的其他參數
1.7.7 編寫Python 代碼來創建量化交易策略
1.7.8 量化交易策略的回測詳情
1.7.9 量化交易策略的模擬交易
1.8 量化交易的潛在風險及應對策略
第2章 Python 量化交易的開發環境
2.1 初識Python 語言
2.1.1 Python 的歷史由來
2.1.2 Python 的特點
2.1.3 Python 的應用
2.2 Python 開發環境及配置
2.2.1 Python 的下載
2.2.2 Python 的安裝
2.2.3 Python 的環境變量配置
2.3 Python 程序的編寫
2.3.1 利用系統自帶的開發軟件IDEL直接編寫程序並運行
2.3.2 創建Python 文件並運行
2.4 利用量化交易平臺編寫Python程序
2.4.1 初識IPython Notebook研究平臺
2.4.2 利用Python Notebook 編寫Python 程序
第3章 Python 的基本語法及流程控制
3.1 Python 的基本數據類型
3.1.1 數值類型
3.1.2 字符串類型
3.2 變量及賦值
3.2.1 變量命名規則
3.2.2 變量的賦值
3.3 運算符
3.3.1 算術運算符
3.3.2 賦值運算符
3.3.3 位運算符
3.4 選擇結構
3.4.1 關系運算符
3.4.2 邏輯運算符
3.4.3 if 語句
3.4.4 嵌套 if 語句
3.5 循環結構
3.5.1 while 循環
3.5.2 while 循環使用else 語句
3.5.3 無限循環
3.5.4 for 循環
3.5.5 在for 循環中使用range（）函數
3.6 其他語句
3.6.1 break 語句
3.6.2 continue 語句
3.6.3 pass 語句
3.7 Python 的代碼格式
3.7.1 代碼縮進
3.7.2 代碼註釋
3.7.3 空行
3.7.4 同一行顯示多條語句
第4章 Python 的特徵數據類型
4.1 列表
4.1.1 列表的創建
4.1.2 3 種方法訪問列表中的值
4.1.3 兩種方法更新列表中的值
4.1.4 del 語句刪除列表中的值
4.1.5 列表的4 個函數
4.1.6 列表的方法
4.2 元組
4.2.1 元組的創建
4.2.2 3 種方法訪問元組中的值
4.2.3 元組的連接
4.2.4 整個元組的刪除
4.2.5 元組的4 個函數
4.3 字典
4.3.1 字典的創建
4.3.2 訪問字典中的值和鍵
4.3.3 字典的修改
4.3.4 字典中的3 個函數
4.4 集合
4.4.1 集合的創建
4.4.2 集合的兩個基本功能
4.4.3 集合的運算符
4.4.4 集合的方法
第5章 Python 的函數及應用技巧
5.1 初識函數
5.2 內置函數
5.2.1 數學函數
5.2.2 隨機數函數
5.2.3 三角函數
5.2.4 字符串函數
5.3 用戶自定義函數
5.3.1 函數的定義
5.3.2 調用自定義函數
5.3.3 函數的參數傳遞
5.3.4 函數的參數類型
5.3.5 匿名函數
第6章 Python 的面向對象編程基礎
6.1 面向對象
6.1.1 面向對象概念
6.1.2 類定義與類對象
6.1.3 類的繼承
6.2 模塊
6.2.1 自定義模塊和調用
6.2.2 import 語句
6.2.3 標準模塊
6.3 包
6.4 變量作用域及類型
6.4.1 變量作用域
6.4.2 全局變量和局部變量
6.4.3 global 和nonlocal 關鍵字
第7章 Python 大數據分析的Numpy 包
7.1 初識Numpy 包
7.2 ndarray 數組基礎
7.2.1 創建Numpy 數組
7.2.2 Numpy 特殊數組
7.2.3 Numpy 序列數組
7.2.4 Numpy 數組索引
7.2.5 Numpy 數組運算
7.2.6 Numpy 數組覆制
7.3 Numpy 的矩陣
7.4 Numpy 的線性代數
7.4.1 兩個數組的點積
7.4.2 兩個向量的點積
7.4.3 一維數組的向量內積
7.4.4 矩陣的行列式
7.4.5 矩陣的逆
7.5 Numpy 的文件操作
第8章 Python 大數據分析的Pandas 包
8.1 Pandas 的數據結
