本书从量化交易的正确性认识出发，以Python为基础，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开发技巧和交易投资技巧，所有示例都基于量化交易及相关知识，以实战为目的。本书共11章，分为4部分。第1部分讲解了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、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、基础度量概念及最优参数等问题；第4部分讲解了机器学习技术在量化交易中的实战应用。附录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。

量化交易之路：用Python做股票量化分析
阿布　著
书号：978-7-111-57521-4
印张：25.25
书脊：19mm
定价：89.00元
尺寸：186*240mm


覆膜方式：光膜
上架建议：计算机/Python
-------------------------------

Beat the market by quantitative trading

作者在百度互联网证券、百度金融等互联网金融公司多年从业经验的总结
涵盖从传统的趋势跟踪技术及统计套利技术，到最新的机器学习技术等各种量化技术


树立对量化交易的正确认识，搭建交易技术与量化技术之间的稳固纽带
给出完整的量化交易知识体系，所有实例均采用真实的交易进行讲解
详解量化基础知识，以及Python、NumPy、pandas、可视化和数学等量化工具及实例
详解量化择时、选股、资金管理、度量、最优参数等技术及交易实例
详解机器学习技术在量化交易领域的应用，并给出交易实例

-------------------------------------------------------------------------------------------
内容简介
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最优参数等问题；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。
-------------------------------------------------------------------------------------------

本书毫无保留地介绍了最重要的量化交易知识，可以让读者系统地学习量化理论基础、金融知识、编程技术等股票量化交易的相关知识。
本书从最基础的量化编程开始，一步一步引导读者学习量化编程的相关知识，并通过配套的开源股票量化系统引导读者从股票策略开始，逐步加深对量化交易的认识。
本书将传统的量化技术与最新的机器学习技术相结合，并通过自主研发的开源量化项目引导读者动手实践，提高实际交易水平。


本书源代码下载
本书涉及的源代码读者可以通过https://github.com/bbfamily/abu网站下载，也可以在www.hzbook.com网站上搜索到本书，然后按照网页上的说明下载。
-------------------------------------------------------------------------------------------

作者简介

阿布　曾就职于奇虎360、百度互联网证券、百度金融等互联网型金融公司。有近10年的互联网金融技术从业经验。现作为自由职业者，从事个人量化交易及量化交易的培训工作。擅长中小资金量化交易系统的开发，并为中小型量化私募资金提供技术解决方案与支持。

随着互联网技术的不断发展，许多传统行业（包括传统金融行业）也在不断地改变着自己的工作模式和流程，并且希望借助互联网技术得到进一步的发展。在金融行业中，股票及其他交易类型衍生品，如期权、期货交易无疑是最早受到冲击从而发生改变的。从算法交易之父托马斯·彼得菲，到如今依然活跃异常的量化投资之王西蒙斯，他们是最早的一批量化交易受益者，也是为整个金融行业指明方向的引导者。据统计，近年来自动化交易占据了美国股票市场60%以上的成交量。
　　量化交易从一开始出现就仿佛戴着神秘的面纱，特别是对于普通的投资交易者。有些人认为它就是像炼金术一样的存在，有了它就能躺着挣钱了。当然也有些人认为它完全不靠谱。笔者研究量化交易多年，而且参与了大量的量化交易实战，从中积累了大量的心得体会，所以萌生了编写一本量化交易图书的想法，为读者揭开量化交易的神秘面纱。
　　本书分为4个部分来讲解量化交易的相关知识。
　　第1部分（第1章）着重讲解了投资者对量化交易的正确认识。
　　第2部分（第2～6章）主要讲解了量化交易需要的基础知识及相关工具，如Python语言、NumPy、pandas、数据可视化及量化数学等知识，适合完全没有任何编程经验的读者从头开始阅读。书中每一章的示例也尽量穿插股票及其他衍生交易产品的投资知识和交易技巧，尽量为读者建立一套独有的知识体系结构，为读者在交易技术与量化技术之间搭建牢固的基础纽带。
　　第3部分（第7～9章）着重讲解了使用量化系统回测交易策略及交易的度量等实战知识。对于有进阶需求的读者，则完整地讲解了整套量化回测系统择时、选股开发的关键点及滑点和资金管理的核心知识，以及更有针对策略地寻找最优参数及最优度量等知识。
　　第4部分（第10、11章）主要讲解了机器学习技术在量化交易中的应用。该部分内容从机器学习实战出发，同样适合大多数没有深厚数学基础的读者阅读，着重阐述了基于机器学习技术对交易进行预测的不可行性，以及正确的使用方式，即使用机器学习技术进行统计预言的概率。
　　附录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内容。
　　特别需要提及的是，为了突出重点知识，减轻读者的阅读压力，本书在编写过程中通过故事的形式来讲解关键知识点。例如：
* 通过“6.2.1节你一生的追求到底能带来多少幸福”的故事，重点讲解了最优问题的计算；
* 通过“7.2.3节三只小猪股票投资的故事”，重点讲解了仓位控制管理的重要性；
* 通过“第10章 机器学习 猪老三”的故事，重点讲解了机器学习知识与工程上的使用问题。
　　本书所有示例均使用IPython Notebook编写，读者可在Git工具上找到对应章节的内容。具体代码下载地址为https://github.com/bbfamily/abu。如下载地址有变动，可关注微信公众号abu_quant，获取最新的Git地址；或者在www.hzbook.com网站上搜索到本书，然后按照网页上的说明下载。
　　适合阅读本书的读者及建议如下：
* 有交易经验、对量化交易感兴趣、无任何编程经验的读者，需要多关注基础章节，加深对编程语言的理解及工具的使用；
* 有任何一门编程语言基础、无交易经验、对量化交易感兴趣的读者，需要多关注书中讲解的关于交易的知识及正确的交易认识；
* 有交易经验、有编程经验、对量化交易感兴趣的读者，需要多关注量化交易在交易技术和编程技术上的衔接点及书中的具体实例；
* 对量化交易本身不感兴趣，但对数据处理、机器学习技术感兴趣的读者，需要多关注技术基础章节和机器学习章节的内容。
　　感谢机械工业出版社华章分社提供机会让我能编写本书！本书的完成同样需要感谢我的几位朋友：吴汶（老虎美股）、刘兆丹（百度金融）、胥嘉幸（百度糯米大数据），感谢你们在本书的编写过程中提供的帮助！在此还需要特别感谢本书编辑对我的帮助，不辞辛苦地晚上十二点还在和我沟通排版等细节问题。

编著者

计算机\程序设计

本书特色：
完整的量化交易知识体系，全部示例采用真实交易进行讲解，从理论到实践
正确认识量化交易，搭建交易技术与量化技术之间正确而稳固的纽带
详解量化基础、Python、NumPy、pandas、可视化、数学等知识及交易实例
详解量化择时、选股、资金管理、度量、最优参数等技术及交易实例
详解对机器学习技术在量化交易领域的错误认识和纠正，以及正确的交易实例

阿布　著：暂无相关简介

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
1.3.1　避免短线频繁交易 4
1.3.2　避免逆势操作 5
1.3.3　避免重仓交易 5
1.3.4　避免对胜率的盲目追求 6
1.3.5　确保交易策略的执行 6
1.3.6　独立交易及对结果负责的信念 6
1.3.7　从历史验证交易策略是否可行 7
1.3.8　寻找交易策略的最优参数 7
1.3.9　减少无意义的工作及干扰 7
1.4　量化交易的正确认识 8
1.4.1　不要因循守旧，认为量化交易是邪门歪道 8
1.4.2　不要异想天开，认为量化交易有神奇的魔法 8
1.4.3　不要抱有不劳而获的幻想 9
1.4.4　不要盲目追求量化策略的复杂性 9
1.4.5　认清市场，认清自己，知己知彼，百战不殆 10
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
2.1.1　基本类型和语法 15
2.1.2　字符串和容器 17
2.2　函数 20
2.2.1　函数的使用和定义 20
2.2.2　lambda函数 21
2.2.3　高阶函数 22
2.2.4　偏函数 25
2.3　面向对象 25
2.3.1　类的封装 26
2.3.2　继承和多态 30
2.3.3　静态方法、类方法与属性 34
2.4　性能效率 38
2.4.1　itertools的使用 38
2.4.2　多进程 VS 多线程 41
2.4.3　使用编译库提高性能 43
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
3.1.1　并行化思想 49
3.1.2　初始化操作 50
3.1.3　索引选取和切片选择 51
3.1.4　数据转换与规整 52
3.1.5　逻辑条件进行数据筛选 53
3.1.6　通用序列函数 54
3.1.7　数据本地序列化操作 57
3.2　基础统计概念与函数使用 57
3.2.1　基础统计函数的使用 57
3.2.2　基础统计概念 60
3.3　正态分布 62
3.3.1　正态分布基础概念 62
3.3.2　实例1：正态分布买入策略 64
3.4　伯努利分布 66
3.4.1　伯努利分布基础概念 67
3.4.2　实例2：如何在交易中获取优势 67
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
4.1.1　DataFrame构建及方法 72
4.1.2　索引行列序列 73
4.1.3　金融时间序列 74
4.1.4　Series构建及方法 75
4.1.5　重采样数据 76
4.2　基本数据分析示例 78
4.2.1　总览分析数据 79
4.2.2　索引选取和切片选择 80
4.2.3　逻辑条件进行数据筛选 82
4.2.4　数据转换与规整 84
4.2.5　数据本地序列化操作 86
4.3　实例1：寻找股票异动涨跌幅阀值 87
4.3.1　数据的离散化 88
4.3.2　concat、append和merge的使用 89
4.4　实例2：星期几是这个股票的“好日子” 91
4.4.1　构建交叉表 92
4.4.2　构建透视表 94
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
5.1.1　Matplotlib可视化基础 102
5.1.2　Matplotlib子画布及loc的使用 104
5.1.3　K线图的绘制 105
5.2　使用Bokeh交互可视化 106
5.3　使用pandas可视化数据 107
5.3.1　绘制股票的收益及收益波动情况 107
5.3.2　绘制股票的价格与均线 109
5.3.3　其他pandas统计图形种类 110
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
5.7.1　黄金分割线的定义方式 124
5.7.2　多维数据绘制示例 127
5.8　技术指标的可视化 130
5.8.1　MACD指标的可视化 131
5.8.2　ATR指标的可视化 132
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
6.1.1　线性回归 135
6.1.2　多项式回归 137
6.1.3　插值 138
6.2　蒙特卡罗方法与凸优化 139
6.2.1　你一生的追求到底能带来多少幸福 140
6.2.2　使用蒙特卡罗方法计算怎样度过一生最幸福 149
6.2.3　凸优化基础概念 152
6.2.4　全局求解怎样度过一生最幸福 153
6.2.5　非凸函数计算怎样度过一生最幸福 154
6.2.6　标准凸函数求最优 157
6.3　线性代数 159
6.3.1　矩阵基础知识 160
6.3.2　特征值和特征向量 162
6.3.3　PCA和SVD理论知识 163
6.3.4　PCA和SVD使用实例 164
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
7.1.1　趋势跟踪和均值回复的周期重叠性 171
7.1.2　实例1：均值回复策略 176
7.1.3　实例2：趋势跟踪策略 184
7.2　仓位控制管理 188
7.2.1　凯利公式 189
7.2.2　一只股票的时间简史 190
7.2.3　三只小猪股票投资的故事 195
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
8.1.1　买入因子的实现 204
8.1.2　卖出因子的实现 210
8.1.3　滑点买入、卖出价格确定及策略实现 221
8.1.4　多只股票使用相同的因子进行择时 226
8.1.5　自定义仓位管理策略的实现 229
8.1.6　多只股票使用不同的因子进行择时 230
8.1.7　使用并行来提升择时的运行效率 231
8.2　abu量化系统选股 234
8.2.1　选股因子的实现 234
8.2.2　多个选股因子并行执行 240
8.2.3　使用并行来提升选股的运行效率 241
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
9.2.1　度量的基础概念 247
9.2.2　度量的可视化 250
9.3　基于Grid Search寻找因子最优参数 253
9.3.1　参数取值范围 253
9.3.2　参数进行排列组合 254
9.3.3　Grid Search寻找最优参数 255
9.3.4　度量结果的评分 258
9.3.5　不同权重的评分 262
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
10.1.1　小红帽识别毒蘑菇 278
10.1.2　3种机器学习问题 281
10.2　猪老三世界中的量化环境 282
10.3　有监督机器学习 286
10.3.1　猪老三使用回归预测股价 288
10.3.2　猪老三使用分类预测股票涨跌 294
10.3.3　通过决策树分类，绘制出决策图 297
10.4　无监督机器学习 299
10.4.1　使用降维可视化数据 299
10.4.2　猪老三使用聚类算法提高正确率 301
10.5　梦醒时分 303
10.5.1　回测中生成特征/切分训练测试集/成交买单快照 304
10.5.2　基于特征的交易预测 309
10.5.3　基于深度学习的交易预测 312
10.5.4　预测市场的混沌 316
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
11.2.1　角度主裁 322
11.2.2　使用全局最优对分类簇集合进行筛选 331
11.2.3　跳空主裁 334
11.2.4　价格主裁 338
11.2.5　波动主裁 341
11.2.6　验证主裁是否称职 345
11.2.7　在abu系统中开启主裁拦截模式 348
11.3　边裁 351
11.3.1　角度边裁 352
11.3.2　价格边裁 354
11.3.3　波动边裁 354
11.3.4　综合边裁 355
11.3.5　验证边裁是否称职 355
11.3.6　在abu系统中开启边裁拦截模式 359
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