量化投资：以Python为工具

内容简介：

《量化投资：以Python为工具》主要讲解量化投资的思想和策略，并借助Python 语言进行实战。《量化投资：以Python为工具》一共分为5 部分，第1 部分是Python 入门，第2 部分是统计学基础，第3 部分是金融理论、投资组合与量化选股，第4 部分是时间序列简介与配对交易，第5 部分是技术指标与量化投资。《量化投资：以Python为工具》首先对Python 编程语言进行介绍，通过学习，读者可以迅速掌握用Python 语言处理数据的方法，并灵活运用Python 解决实际金融问题；其次，向读者介绍量化投资的理论知识，主要讲解量化投资所需的数量基础和类型等方面；最后讲述如何在Python 语言中构建量化投资策略。

目录：

第1 部分Python 入门 1

第1 章Python 简介与安装使用 2

1.1 Python 概述 2

1.2 Python 的安装 3

1.2.1 下载安装Python 执行文件 3

1.2.2 下载安装Anaconda 4

1.2.3 多种Python 版本并存 6

1.3 Python 的简单使用 7

1.4 交互对话环境IPython 8

1.4.1 IPython 的安装 8

1.4.2 IPython 的使用 9

1.4.3 IPython 功能介绍 10

第2 章Python 代码的编写与执行 14

2.1 创建Python 脚本文件 15

2.1.1 记事本 15

2.1.2 Python 默认的IDLE 环境 15

2.1.3 专门的程序编辑器 15

2.2 执行.py 文件 17

2.2.1 IDLE 环境自动执行 17

2.2.2 在控制台cmd 中执行 18

2.2.3 在Annaconda Prompt 中执行 19

2.3 Python 编程小技巧 20

2.3.1 Python 行 20

2.3.2 Python 缩进 21

第3 章Python 对象类型初探 23

3.1 Python 对象 23

3.2 变量命名规则 24

3.3 数值类型 25

3.3.1 整数 25

3.3.2 浮点数 26

3.3.3 布尔类型 26

3.3.4 复数 27

3.4 字符串 28

3.5 列表 29

3.6 可变与不可变 30

3.7 元组 32

3.8 字典 33

3.9 集合 33

第4 章Python 集成开发环境：Spyder 介绍 36

4.1 代码编辑器 37

4.2 代码执行Console 39

4.3 变量查看与编辑 40

4.4 当前工作路径与文件管理 41

4.5 帮助文档与在线帮助 42

4.6 其他功能 43

第5 章Python 运算符与使用 44

5.1 常用运算符 44

5.1.1 算术运算符 45

5.1.2 赋值运算符 46

5.1.3 比较运算符 47

5.1.4 逻辑运算符 48

5.1.5 身份运算符 49

5.1.6 成员运算符 51

5.1.7 运算符的优先级 52

5.2 具有运算功能的内置函数 52

第6 章Python 常用语句 55

6.1 赋值语句 55

6.1.1 赋值含义与简单赋值 55

6.1.2 多重赋值 57

6.1.3 多元赋值 58

6.1.4 增强赋值 58

6.2 条件语句 59

6.3 循环语句 60

6.3.1 for 循环 60

6.3.2 while 循环 61

6.3.3 嵌套循环 62

6.3.4 break、continue 等语句 62

第7 章函数 66

7.1 函数的定义与调用 66

7.2 函数的参数 68

7.3 匿名函数 71

7.4 作用域 72

第8 章面向对象75

8.1 类 75

8.2 封装 77

8.3 继承（Inheritance） 79

第9 章Python 标准库与数据操作 82

9.1 模块、包和库 82

9.1.1 模块 82

9.1.2 包 84

9.1.3 库 85

9.2 Python 标准库介绍 85

9.3 Python 内置数据类型与操作 91

9.3.1 序列类型数据操作 91

9.3.1.1 list 类型与操作 91

9.3.1.2 tuple 类型与操作 95

9.3.1.3 range 类型与操作 97

9.3.1.4 字符串操作 98

9.3.2 字典类型操作 103

9.3.3 集合操作 106

第10 章常用第三方库：Numpy 库与多维数组 111

10.1 NumPy 库 111

10.2 创建数组 111

10.3 数组元素索引与切片 115

10.4 数组运算 118

第11 章常用第三方库：Pandas 与数据处理 120

11.1 Series 类型数据 120

11.1.1 Series 对象的创建 120

11.1.2 Series 对象的元素提取与切片 122

11.1.2.1 调用方法提取元素 122

11.1.2.2 利用位置或标签提取元素与切片 123

11.1.3 时间序列 124

11.2 DataFrame 类型数据 128

11.2.1 创建DataFrame 对象 128

11.2.2 查看DataFrame 对象 130

11.2.3 DataFrame 对象的索引与切片 131

11.2.4 DataFrame 的操作 135

11.2.5 DataFrame 的运算 139

11.3 数据规整化 142

11.3.1 缺失值的处理 142

11.3.1.1 缺失值的判断 142

11.3.1.2 选出不是缺失值的数据 143

11.3.2 缺失值的填充 143

11.3.3 缺失值的选择删除 145

11.3.4 删除重复数据 146

第12 章常用第三方库：Matplotlib 库与数据可视化 149

12.1 Matplotlib 简介 149

12.2 修改图像属性 152

12.2.1 坐标 152

12.2.1.1 更改坐标轴范围 152

12.2.1.2 设定坐标标签与显示角度 153

12.2.2 添加文本 155

12.2.2.1 添加标题 155

12.2.2.2 中文显示问题 157

12.2.2.3 设定坐标轴标签 159

12.2.2.4 增加图形背景grid 160

12.2.2.5 增加图例 161

12.2.3 多种线条属性 162

12.2.3.1 线条的类型 162

12.2.3.2 图形的颜色 163

12.2.3.3 点的形状类型 164

12.2.3.4 线条宽度 166

12.3 常见图形的绘制 167

12.3.1 柱状图（Bar charts） 167

12.3.2 直方图 170

12.3.3 饼图 172

12.3.4 箱线图 172

12.4 Figure、Axes 对象与多图绘制 173

12.4.1 Figure、Axes 对象 174

12.4.2 多图绘制 176

12.4.2.1 多个子图绘制 176

12.4.2.2 一个图中多条曲线绘制 178

第2 部分统计学基础 180

第13 章描述性统计 181

13.1 数据类型 182

13.2 图表 182

13.2.1 频数分布表 182

13.2.2 直方图 183

13.3 数据的位置 184

13.4 数据的离散度 186

第14 章随机变量简介 190

14.1 概率与概率分布 190

14.1.1 离散型随机变量 190

14.1.2 连续型随机变量 192

14.2 期望值与方差 193

14.3 二项分布 194

14.4 正态分布 197

14.5 其他连续分布 199

14.5.1 卡方分布 199

14.5.2 t 分布 199

14.5.3 F 分布 200

14.6 变量的关系 202

14.6.1 联合概率分布 202

14.6.2 变量的独立性 203

14.6.3 变量的相关性 203

14.6.4 上证综指与深证综指的相关性分析 205

第15 章推断统计 208

15.1 参数估计 208

15.1.1 点估计 209

15.1.2 区间估计 209

15.2 案例分析 212

15.3 假设检验 213

15.3.1 两类错误 214

15.3.2 显著性水平与p 值 215

15.3.3 确定小概率事件 215

15.4 t 检验 216

15.4.1 单样本t 检验 216

15.4.2 独立样本t 检验 217

15.4.3 配对样本t 统计量的构造 218

第16 章方差分析 221

16.1 方差分析之思想 221

16.2 方差分析之原理 222

16.2.1 离差平方和 223

16.2.2 自由度 224

16.2.3 显著性检验 225

16.3 方差分析之Python 实现 226

16.3.1 单因素方差分析 227

16.3.2 多因素方差分析 228

16.3.3 析因方差分析 228

第17 章回归分析 231

17.1 一元线性回归模型 231

17.1.1 一元线性回归模型 231

17.1.2 最小平方法 232

17.2 模型拟合度 233

17.3 古典假设条件下^_、^ _ 之统计性质 234

17.4 显著性检验 235

17.5 上证综指与深证成指的回归分析与Python 实践 236

17.5.1 Python 拟合回归函数 236

17.5.2 绘制回归诊断图 238

17.6 多元线性回归模型 240

17.7 多元线性回归案例分析 241

17.7.1 价格水平对GDP 的影响 241

17.7.2 考量自变量共线性因素的新模型 243

第3 部分金融理论、投资组合与量化选股246

第18 章资产收益率和风险 247

18.1 单期与多期简单收益率 248

18.1.1 单期简单收益率 248

18.1.2 多期简单收益率 249

18.1.3 Python 函数计算简单收益率 252

18.1.4 单期与多期简单收益率的关系 252

18.1.5 年化收益率 254

18.1.6 考虑股利分红的简单收益率 256

18.2 连续复利收益率 259

18.2.1 多期连续复利收益率 260

18.2.2 单期与多期连续复利收益率的关系 262

18.3 绘制收益图 263

18.4 资产风险的来源 264

18.4.1 市场风险 264

18.4.2 利率风险 264

18.4.3 汇率风险 265

18.4.4 流动性风险 265

18.4.5 信用风险 265

18.4.6 通货膨胀风险 266

18.4.7 营运风险 266

18.5 资产风险的测度 266

18.5.1 方差 266

18.5.2 下行风险 268

18.5.3 风险价值 269

18.5.4 期望亏空 271

18.5.5 最大回撤 271

第19 章投资组合理论及其拓展 276

19.1 投资组合的收益率与风险 276

19.2 Markowitz 均值-方差模型 280

19.3 Markowitz 模型之Python 实现 285

19.4 Black-Litterman 模型 289

第20 章资本资产定价模型（CAPM） 298

20.1 资本资产定价模型的核心思想 298

20.2 CAPM 模型的应用 299

20.3 Python 计算单资产CAPM 实例 301

20.4 CAPM 模型的评价 305

第21 章Fama-French 三因子模型 308

21.1 Fama-French 三因子模型的基本思想 308

21.2 三因子模型之Python 实现 310

21.3 三因子模型的评价 315

第4 部分时间序列简介与配对交易 317

第22 章时间序列基本概念 318

22.1 认识时间序列 318

22.2 Python 中的时间序列数据 320

22.3 选取特定日期的时间序列数据 321

22.4 时间序列数据描述性统计 323

第23 章时间序列的基本性质 326

23.1 自相关性 326

23.1.1 自协方差 327

23.1.2 自相关系数 327

23.1.3 偏自相关系数 327

23.1.4 acf( ) 函数与pacf( ) 函数 328

23.1.5 上证综指的收益率指数的自相关性判断 328

23.2 平稳性 331

23.2.1 强平稳 331

23.2.2 弱平稳 332

23.2.3 强平稳与弱平稳的区别 332

23.3 上证综指的平稳性检验 333

23.3.1 观察时间序列图 333

23.3.2 观察序列的自相关图和偏自相关图 333

23.3.3 单位根检验 336

23.4 白噪声 340

23.4.1 白噪声 340

23.4.2 白噪声检验——Ljung-Box 检验 341

23.4.3 上证综合指数的白噪声检验 343

第24 章时间序列预测 345

24.1 移动平均预测 345

24.1.1 简单移动平均 345

24.1.2 加权移动平均 346

24.1.3 指数加权移动平均 346

24.2 ARMA 模型预测 347

24.2.1 自回归模型 348

24.2.2 移动平均模型 350

24.3 自回归移动平均模型 350

24.4 ARMA 模型的建模过程 351

24.5 CPI 数据的ARMA 短期预测 351

24.5.1 序列识别 351

24.5.2 模型识别与估计 354

24.5.3 模型诊断 356

24.5.4 运用模型进行预测 359

24.6 股票收益率的平稳时间序列建模 359

第25 章GARCH 模型 364

25.1 资产收益率的波动率与ARCH 效应 364

25.2 ARCH 模型和GARCH 模型 365

25.2.1 ARCH 模型 365

25.2.2 GARCH 模型 366

25.3 ARCH 效应检验 368

25.4 GARCH 模型构建 370

第26 章配对交易策略 372

26.1 什么是配对交易 372

26.2 配对交易的思想 373

26.3 配对交易的步骤 374

26.3.1 股票对的选择 374

26.3.2 配对交易策略的制定 383

26.4 构建PairTrading 类 387

26.5 Python 实测配对交易交易策略 391

第5 部分技术指标与量化投资399

第27 章K 线图 400

27.1 K 线图简介 400

27.2 Python 绘制上证综指K 线图 403

27.3 Python 捕捉K 线图的形态 405

27.3.1 Python 捕捉“早晨之星” 406

27.3.2 Python 语言捕捉“乌云盖顶”形态 410

第28 章动量交易策略 416

28.1 动量概念介绍 416

28.2 动量效应产生的原因 416

28.3 价格动量的计算公式 417

28.3.1 作差法求动量值 417

28.3.2 做除法求动量值 418

28.4 编写动量函数momentum( ) 420

28.5 万科股票2015 年走势及35 日动量线 420

28.6 动量交易策略的一般思路 423

第29 章RSI 相对强弱指标 429

29.1 RSI 基本概念 429

29.2 Python 计算RSI 值 429

29.3 Python 编写rsi( ) 函数 434

29.4 RSI 天数的差异 435

29.5 RSI 指标判断股票超买和超卖状态 436

29.6 RSI 的“黄金交叉”与“死亡交叉” 437

29.7 交通银行股票RSI 指标交易实测 438

29.7.1 RSI 捕捉交通银行股票买卖点 438

29.7.2 RSI 交易策略执行及回测 440

第30 章均线系统策略 446

30.1 简单移动平均 446

30.1.1 简单移动平均数 446

30.1.2 简单移动平均函数 448

30.1.3 期数选择 449

30.2 加权移动平均 449

30.2.1 加权移动平均数 449

30.2.2 加权移动平均函数 451

30.3 指数加权移动平均 452

30.3.1 指数加权移动平均数 452

30.3.2 指数加权移动平均函数 454

30.4 创建movingAverage 模组 454

30.5 常用平均方法的比较 455

30.6 中国银行股价数据与均线分析 456

30.7 均线时间跨度 458

30.8 中国银行股票均线系统交易 459

30.8.1 简单移动平均线制定中国银行股票的买卖点 459

30.8.2 双均线交叉捕捉中国银行股票的买卖点 462

30.9 异同移动平均线（MACD） 464

30.9.1 MACD 的求值过程 464

30.9.2 异同均线（MACD）捕捉中国银行股票的买卖点 466

30.10 多种均线指标综合运用模拟实测 468

第31 章通道突破策略 473

31.1 通道突破简介 473

31.2 唐奇安通道 473

31.2.1 唐奇安通道刻画 473

31.2.2 Python 捕捉唐奇安通道突破 476

31.3 布林带通道 478

31.4 布林带通道与市场风险 481

31.5 通道突破交易策略的制定 484

31.5.1 一般布林带上下通道突破策略 484

31.5.2 特殊布林带通道突破策略 485

第32 章随机指标交易策略 489

32.1 什么是随机指标（KDJ） 489

32.2 随机指标的原理 489

32.3 KDJ 指标的计算公式 490

32.3.1 未成熟随机指标RSV 490

32.3.2 K、D 指__________标计算 495

32.3.3 J 指标计算 497

32.3.4 KDJ 指标简要分析 498

32.4 KDJ 指标的交易策略 499

32.5 KDJ 指标交易实测 499

32.5.1 KD 指标交易策略 499

32.5.2 KDJ 指标交易策略 503

32.5.3 K 线、D 线“金叉”与“死叉” 504

第33 章量价关系分析 509

33.1 量价关系概述 509

33.2 量价关系分析 509

33.2.1 价涨量增 510

33.2.2 价涨量平 512

33.2.3 价涨量缩 512

33.2.4 价平量增 513

33.2.5 价平量缩 514

33.2.6 价跌量增 514

33.2.7 价跌量平 515

33.2.8 价跌量缩 515

33.3 不同价格段位的成交量 516

33.4 成交量与均线思想结合制定交易策略 518

第34 章OBV 指标交易策略 524

34.1 OBV 指标概念 524

34.2 OBV 指标计算方法 524

34.3 OBV 指标的理论依据 527

34.4 OBV 指标的交易策略制定 527

34.5 OBV 指标交易策略的Python 实测 528

34.6 OBV 指标的应用原则 530