金融科技丛书 量化投资 以Python为工具PDF|Epub|txt|kindle电子书版本网盘下载

金融科技丛书 量化投资 以Python为工具PDF格式电子书版下载

注意：本站所有压缩包均有解压码： 点击下载压缩包解压工具

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Anaconda4

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IPython8

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Console39

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grid160

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RSV490

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