本書首先講解了Python量化炒股快速入門，即量化炒股的定義、特點、優(yōu)勢、不足和主要內容，Python語言的開發(fā)環(huán)境，以及量化炒股的注意事項。其次講解量化炒股開發(fā)語言Python，即講解Python語言的基本語法、選擇結構、循環(huán)結構、常用數據結構、函數及應用和面向對象程序設計。接著講解量化炒股中的3個常用包，即Numpy、Pandas和Matplotlib包。然后講解如何利用Python編寫量化炒股策略、量化炒股的獲取數據函數、財務因子量化選股、數據信息獲取、量化擇時的技術指標函數、量化炒股的統(tǒng)計數據圖、量化炒股策略的回測、量化炒股策略的因子分析。后講解Python量化炒股策略實戰(zhàn)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Python量化炒股實際交易過程中的熱點問題、關鍵問題及種種難題。
本書適用于各種不同的投資者，如股民、中小散戶、職業(yè)操盤手和專業(yè)金融評論人士，更適用于那些有志于在這個充滿風險、充滿寂寞的征程上默默前行的征戰(zhàn)者和屢敗屢戰(zhàn)、愈挫愈奮并終戰(zhàn)勝失敗、戰(zhàn)勝自我的勇者。
揭示Python量化炒股精髓，新手交易獲利更容易
詳解Python量化炒股難題，多位專家合力編著
知識點+應用案例=快速幫助讀者理解與變通應用
Python量化炒股正以勢不可擋的趨勢進入證券交易領域，這是因為Python量化炒股的核心優(yōu)勢在于風險管理更精準，能夠提供超額收益。
Python量化炒股已經越來越多的出現在專業(yè)投資者乃至行業(yè)外人士的視野中，而且未來很有可能出現“量化投資產品將替代未來的資本管理市場”。
在大多數股票投資者的想象中，量化炒股似乎應該是用十幾個顯示屏跑的數學模型，交易速度以微秒計算的、深不可測的投資方法。誠然，復雜模型和高頻交易固然屬于量化范疇，但從廣義上來說，量化代表的是一種理性的思維方式。例如，當你著眼于真實數據，理性地運用邏輯分析和歸納統(tǒng)計得出一些市場的觀點和規(guī)律，并據此制定和執(zhí)行明確的交易策略時，你就是在做量化炒股。普通個人投資者完全可以運用量化的方法來指導自己的投資決策，甚至常常不經意間就已經用到基于經驗、邏輯和數學的量化投資的思維來指導自己的交易。
以美國為主的成熟資本市場，量化炒股占比超過50%，量化對沖基金已經成為資管行業(yè)中的翹楚。中國的量化炒股起步較晚，量化炒股在證券市場中的占比還不足5%。隨著科技的進步，中國的量化交易市場正在快速發(fā)展。
目前我國的量化交易主要應用在商品期貨上。隨著股指期貨的上市，期貨市場和證券市場實現了真正意義上的互動，投資者不僅可以在期貨市場上進行投機交易，同時還可以在期貨與股票之間進行套利交易。利用量化交易對股指期貨進行操作將會是投資者（機構投資者）的一個重要的發(fā)展方向。
本書結構
本書共19章，具體章節(jié)安排如下。
第1章：講解Python量化炒股快速入門，即量化炒股的定義、特點、優(yōu)勢、不足和主要內容，Python語言的開發(fā)環(huán)境，以及量化炒股的注意事項。
第2～7章：講解量化炒股開發(fā)語言Python，即講解Python語言的基本語法、選擇結構、循環(huán)結構、常用數據結構、函數及應用和面向對象程序設計。
第8～10章：講解量化炒股中的三個常用包，即Numpy、Pandas和Matplotlib包。
第11～18章：講解如何利用Python編寫量化炒股策略、量化炒股的獲取數據函數、財務因子量化選股、數據信息獲取、量化擇時的技術指標函數、量化炒股的統(tǒng)計數據圖、量化炒股策略的回測、量化炒股策略的因子分析。
第19章：講解Python量化炒股策略實戰(zhàn)案例。
本書特色
本書特色歸納如下。
（1）實用性：本書首先著眼于量化炒股實戰(zhàn)應用，然后探討深層次的技巧問題。
（2）詳盡的例子：本書附有大量的例子，通過這些例子介紹知識點。每個例子都是作者精心選擇的，投資者反復練習，舉一反三，就可以真正掌握量化炒股技巧，從而學以致用。
（3）全面性：本書幾乎包含量化炒股的所有知識，分別是量化炒股的基礎知識、Python語言的開發(fā)環(huán)境、基本語法、選擇結構、循環(huán)結構、常用數據結構、函數及應用、面向對象程序設計、Numpy包、Pandas包、Matplotlib包、量化炒股的獲取數據函數、財務因子量化選股、數據信息獲取、量化擇時的技術指標函數、量化炒股的統(tǒng)計數據圖、量化炒股策略的回測和因子分析以及Python量化炒股策略實戰(zhàn)案例。
本書適合的讀者
本書適用于各種不同的投資者，如股民、中小散戶、職業(yè)操盤手和專業(yè)金融評論人士，更適用于那些有志于在這個充滿風險、充滿寂寞的征程上默默前行的征戰(zhàn)者和屢敗屢戰(zhàn)、愈挫愈勇并終戰(zhàn)勝失敗、戰(zhàn)勝自我的勇者。
第1章 Python量化炒股快速入門 / 1
11 初識量化炒股 / 2
12 量化炒股的內容 / 5
13 量化炒股的開發(fā)語言Python / 8
14 量化炒股與普通炒股的比較 / 18
15 量化炒股的注意事項 / 18
第2章 Python編程的初步知識 / 21
21 變量 / 22
22 變量的基本數據類型 / 24
23 運算符 / 29
24 Python 的語法規(guī)則 / 33
第3章 Python 編程的選擇結構 / 37
31 ifelse 語句 / 38
32 多個ifelse 語句 / 40
33 關系運算符 / 44
34 邏輯運算符 / 47
35 嵌套if 語句 / 50
第4章 Python 編程的循環(huán)結構 / 53
41 while 循環(huán) / 54
42 while 循環(huán)中使用else 語句 / 55
43 無限循環(huán) / 59
44 for 循環(huán) / 64
45 在for 循環(huán)中使用range() 函數 / 65
46 循環(huán)嵌套 / 68
47 break 語句 / 70
48 continue 語句 / 71
第5章 Python 編程的常用數據結構 / 73
51 列表 / 74
52 元組 / 80
53 字典 / 85
54 集合 / 93
第6章 Python 編程的函數 / 97
61 初識函數 / 98
62 內置函數 / 98
63 自定義函數 / 107
64 匿名函數 / 115
65 遞歸函數 / 116
66 實例：計算一個數為兩個質數之和 / 117
67 實例：利用內置函數實現小學四則運算 / 118
第7章 Python 編程的面向對象 / 121
71 面向對象概述 / 122
72 類的定義和對象的創(chuàng)建 / 124
73 類的構造方法和self 參數 / 125
74 類的繼承 / 126
75 類的多態(tài) / 130
76 模塊 / 131
77 包 / 136
第8章 Python 量化炒股常用的Numpy 包 / 143
81 初識Numpy 包及量化炒股平臺 / 144
82 ndarray 數組基礎 / 146
83 Numpy 的矩陣 / 153
84 Numpy 的線性代數 / 154
第9章 Python 量化炒股常用的Pandas 包 / 161
91 Pandas 的數據結構 / 162
92 一維數組系列（Series） / 162
93 二維數組DataFrame / 165
94 三維數組Panel / 180
第10章 Python 量化炒股常用的Matplotlib 包 / 183
101 Matplotlib 包的特點 / 184
102 figure() 函數 / 184
103 plot() 函數 / 186
104 subplot() 函數 / 190
105 add_axes() 函數 / 193
106 legend() 函數 / 195
107 grid () 函數 / 198
第11章 利用Python 編寫量化炒股策略 / 201
111 Python 量化炒股策略的基本組成 / 202
112 Python 量化炒股策略的設置函數 / 206
113 Python 量化炒股策略的下單函數 / 210
114 Python 量化炒股策略的常用對象 / 213
115 Python 量化炒股策略的日志log / 220
116 Python 量化炒股策略的定時函數 / 221
第12章 Python 量化炒股的獲取數據函數 / 225
121 獲取多只股票單個數據字段函數history() / 226
122 獲取一只股票多個數據字段函數attribute_history () / 232
123 查詢單個交易日賬務數據函數get_fundamentals() / 236
124 查詢多個交易日賬務數據函數get_fundamentals_continuously () / 241
125 獲取當前時間的股票數據函數get_current_data() / 243
126 獲取指數成分股代碼函數get_index_stocks () / 243
127 獲取指數成分股權重函數get_index_weights () / 247
128 獲取行業(yè)成分股代碼函數get_industry_stocks() / 248
129 查詢股票所屬行業(yè)函數get_industry () / 251
1210 獲取概念成分股代碼函數get_concept_stocks() / 253
1211 查詢股票所屬概念板塊函數get_concept () / 256
1212 獲取一只股票信息函數get_security_info () / 257
1213 獲取龍虎榜數據函數get_billboard_list () / 257
1214 獲取限售解禁數據函數get_locked_shares () / 259
第13章 Python 量化炒股的財務因子選股 / 261
131 初識財務因子選股 / 262
132 成長類因子選股 / 262
133 規(guī)模類因子選股 / 274
134 價值類因子選股 / 280
135 質量類因子選股 / 287
136 財務因子量化選股的注意事項 / 290
第14章 Python 量化炒股的數據信息獲取 / 293
141 獲取上市公司概況信息 / 294
142 獲取上市公司股東和股本信息 / 305
143 獲取上市公司分紅送股數據信息 / 315
144 獲取滬深股市每日成交概況信息 / 317
第15章 Python 量化擇時的技術指標函數 / 319
151 量化擇時概述 / 320
152 趨向指標函數 / 321
153 反趨向指標函數 / 331
154 壓力支撐指標函數 / 338
155 量價指標函數 / 343第16章 Python 量化炒股的統(tǒng)計數據圖 / 349
161 Seaborn 包概述 / 350
162 單只股票的收益統(tǒng)計圖 / 350
163 股票的相關性分析圖 / 356
第17章 Python 量化炒股策略的回測 / 365
171 量化炒股策略回測的流程 / 366
172 利用Python 編寫量化炒股策略并回測 / 367
173 量化炒股策略的風險指標 / 377
第18章 Python 量化炒股策略的因子分析 / 385
181 初識因子分析 / 386
182 利用Python 代碼實現因子分析 / 386
183 新建因子并查看因子分析結果 / 389
184 因子在研究和回測中的運用技巧 / 397
185 基本面因子應用實例 / 399
第19章 Python 量化炒股策略實戰(zhàn)案例 / 403
191 均線量化炒股策略 / 404
192 多均線量化炒股策略 / 406
193 隨機指標量化炒股策略 / 409
194 布林通道線指標量化炒股策略 / 412
195 多股票持倉均線量化炒股策略 / 416
196 白酒板塊輪動量化炒股策略 / 418
197 多個小市值股票量化炒股策略 / 421
書單推薦
