第1章 ?準備工作1

1.1 ?Python的安裝與設置1

1.2 ?常見的Python庫2

第2章 ?Python基礎介紹7

2.1 ?Python學習準備7

2.2 ?Python語法基礎11

2.2.1 ?常量與變量11

2.2.2 ?數與字符串11

2.2.3 ?數據類15

2.2.4 ?標識符18

2.2.5 ?對象19

2.2.6 ?行與縮進20

2.2.7 ?注釋22

2.3 ?Python運算符與表達式22

2.3.1 ?算數運算符22

2.3.2 ?比較運算符24

2.3.3 ?邏輯運算符25

2.3.4 ?Python中的優先級27

2.4 ?Python中的控制流27

2.4.1 ?控制流的功能28

2.4.2 ?Python的三種控制流29

2.4.3 ?認識分支結構if30

2.4.4 ?認識循環結構for…in32

2.4.5 ?認識循環結構while33

2.4.6 ?break語句與continue語句35

2.5 ?Python函數39

2.5.1 ?認識函數39

2.5.2 ?形參與實參40

2.5.3 ?全局變量與局部變量44

2.5.4 ?對函數的調用與返回值45

2.5.5 ?文檔字符串46

2.6 ?Python模塊47

2.6.1 ?認識Python模塊47

2.6.2 ?from…import詳解49

2.6.3 ?認識__name__屬性50

2.6.4 ?自定義模塊50

2.6.5 ?dir()函數51

2.7 ?Python異常處理與文件操作52

2.7.1 ?Python異常處理52

2.7.2 ?異常的發生55

2.7.3 ?try…finally的使用56

2.7.4 ?文件操作57

第3章 ?Python進階59

3.1 ?NumPy的使用59

3.1.1 ?多維數組ndarray59

3.1.2 ?ndarray的數據類型60

3.1.3 ?數組索引、切片和賦值61

3.1.4 ?基本的數組運算62

3.1.5 ?隨機數63

3.2 ?Pandas的使用67

3.2.1 ?Pandas的數據結構68

3.2.2 ?Pandas輸出設置70

3.2.3 ?Pandas數據讀取與寫入70

3.2.4 ?數據集快速描述性統計分析71

3.2.5 ?根據已有的列建立新列72

3.2.6 ?DataFrame按多列排序73

3.2.7 ?DataFrame去重73

3.2.8 ?刪除已有的列74

3.2.9 ?Pandas替換數據75

3.2.10 ?DataFrame重命名75

3.2.11 ?DataFrame切片與篩選76

3.2.12 ?連續型變量分組78

3.2.13 ?Pandas分組技術79

3.3 ?SciPy的初步使用83

3.3.1 ?回歸分析84

3.3.2 ?插值87

3.3.3 ?正態性檢驗89

3.3.4 ?凸優化93

3.4 ?Matplotlib的使用97

3.5 ?Seaborn的使用97

3.5.1 ?主題管理98

3.5.2 ?調色板101

3.5.3 ?分布圖102

3.5.4 ?回歸圖104

3.5.5 ?矩陣圖106

3.5.6 ?結構網格圖108

3.6 ?Scikit-Learn的初步使用109

3.6.1 ?Scikit-Learn學習準備110

3.6.2 ?常見的機器學習模型111

3.6.3 ?模型評價方法——metric模塊120

3.6.4 ?深度學習124

3.7 ?SQLAlchemy與常用數據庫的連接124

3.7.1 ?連接數據庫125

3.7.2 ?讀取數據126

3.7.3 ?存儲數據126

第4章 ?常用數據的獲取與整理129

4.1 ?金融數據類型129

4.2 ?金融數據的獲取131

4.3 ?數據整理135

4.3.1 ?數據整合135

4.3.2 ?數據過濾137

4.3.3 ?數據探索與數據清洗138

4.3.4 ?數據轉化140

第5章 ?通聯數據回測平臺介紹143

5.1 ?回測平臺函數與參數介紹144

5.1.1 ?設置回測參數144

5.1.2 ?accounts賬戶配置154

5.1.3 ?initialize(策略初始化環境)160

5.1.4 ?handle_data(策略運行邏輯)160

5.1.5 ?context(策略運行環境)160

5.2 ?股票模板實例168

5.3 ?期貨模板實例173

5.4 ?策略回測詳情179

5.5 ?策略的風險評價指標181

5.6 ?策略交易細節184

第6章 ?常用的量化策略及其實現187

6.1 ?量化投資概述187

6.1.1 ?量化投資簡介187

6.1.2 ?量化投資策略的類型188

6.1.3 ?量化研究的流程189

6.2 ?行業輪動理論及其投資策略192

6.2.1 ?行業輪動理論簡介192

6.2.2 ?行業輪動的原因192

6.2.3 ?行業輪動投資策略194

6.3 ?市場中性Alpha策略199

6.3.1 ?市場中性Alpha策略介紹199

6.3.2 ?市場中性Alpha策略的思想和方法200

6.3.3 ?實例展示201

6.4 ?大師策略206

6.4.1 ?麥克·歐希金斯績優成分股投資法207

6.4.2 ?杰拉爾丁·維斯藍籌股投資法211

6.5 ?CTA策略219

6.5.1 ?趨勢跟隨策略219

6.5.2 ?均值回復策略241

6.5.3 ?CTA策略表現分析253

6.6 ?Smart Beta258

6.6.1 ?基于權重優化的Smart Beta258

6.6.2 ?基于風險因子的Smart Beta268

6.7 ?技術指標類策略281

6.7.1 ?AROON指標281

6.7.2 ?BOLL指標285

6.7.3 ?CCI指標288

6.7.4 ?CMO指標293

6.7.5 ?Chaikin Oscillator指標295

6.7.6 ?DMI指標299

6.7.7 ?優礦平臺因子匯總302

6.8 ?資產配置317

6.8.1 ?有效邊界318

6.8.2 ?Black-Litterman模型335

6.8.3 ?風險平價模型349

6.9 ?時間序列分析358

6.9.1 ?與時間序列分析相關的基礎知識358

6.9.2 ?自回歸(AR)模型365

6.9.3 ?滑動平均(MA)模型372

6.9.4 ?自回歸滑動平均(ARMA)模型376

6.9.5 ?自回歸差分滑動平均(ARIMA)模型379

6.10 ?組合優化器的使用384

6.10.1 ?優化器的概念384

6.10.2 ?優化器的API接口386

6.10.3 ?優化器實例388

6.11 ?期權策略：Greeks和隱含波動率微笑計算392

6.11.1 ?數據準備392

6.11.2 ?Greeks和隱含波動率計算394

6.11.3 ?隱含波動率微笑401

第7章 ?量化投資十問十答405

總結

以上是生活随笔為你收集整理的王小川 python_Python与量化投资：从基础到实战的全部內容，希望文章能夠幫你解決所遇到的問題。

如果覺得生活随笔網站內容還不錯，歡迎將生活随笔推薦給好友。