✍ Scribed by 张杨飞
No coin nor oath required. For personal study only.
本书本着能让新手快速上手量化交易的原则，循序渐进地讲解了量化交易入门所需要的知识，以及大量的开发技巧与交易技巧，具有很强的实用性。vn.py是机构级别的量化交易软件，掌握vn.py框架原理并且熟练运用，有利于新手快速搭建属于自己的量化交易系统。Python语言有非常强大的数据分析库，对于交易策略的研发具有天然优势，且其易学性也深受初学者喜爱。本书即以Python+vn.py这一流行组合写作，从量化交易的起源及其发展进程入手，在简单介绍Python量化编程基础，以及详细解析vn.py架构之后，全面地介绍了CTA策略、海龟策略，以及新策略的开发流程。 相对其他量化交易方面的书，本书不再讲述Python语言编程的大量细节，而将笔墨着重放在对量化交易策略的解析、应用与回测之上，这才是新手真正需要学习和实践的地方。
扉页
版权页
前言
目录
第1章 量化交易速览
1.1 为何选择量化交易
1.1.1 量化交易的概念
1.1.2 主观交易与量化交易
1.2 量化交易的先驱们
1.2.1 朱尔斯·雷格纳特
1.2.2 爱德华·索普
1.2.3 托马斯·彼得菲
1.2.4 詹姆斯·西蒙斯
1.3 美国量化投资的发展历史
1.3.1 兴起阶段（1970—1990年）
1.3.2 快速发展阶段（1990—2000年）
1.3.3 稳步增长阶段（2000年至今）
1.4 中国量化投资的发展历史
1.4.1 ETF套利时代（2010年以前）
1.4.2 多因子Alpha和高频交易称雄时代（2010—2015年）
1.4.3 多元化投资时代（2016年至今）
1.5 国内常用的量化交易策略
1.5.1 期货CTA策略
1.5.2 股票Alpha策略
1.5.3 期权波动率套利策略
1.5.4 高频交易策略
1.6 宽客
1.7 宽客的两大阵形：P宗与Q宗
1.8 宽客的3种职能分类
1.8.1 量化IT工程师
1.8.2 量化研究员
1.8.3 量化交易员
1.9 宽客的四大派系
1.9.1 券商资管
1.9.2 公募基金
1.9.3 私募基金
1.9.4 期货市场
第2章 Python量化编程基础
2.1 Python运行环境搭建
2.1.1 安装Anaconda2-5.0.0（32位）
2.1.2 设置Anancoda环境
2.1.3 创建共享环境
2.1.4 列出共享环境
2.1.5 安装Jupyter Notebook
2.2 数据
2.2.1 字符串
2.2.2 数字
2.2.3 容器
2.2.4 布尔值
2.2.5 空值
2.3 函数
2.3.1 自定义函数
2.3.2 第三方库的函数
2.4 条件判断
2.5 循环
2.6 类和实例
2.6.1 定义学生父类
2.6.2 定义父类实例
2.6.3 定义团体子类
2.6.4 定义子类实例
2.7 NumPy与Pandas
2.7.1 一维数组
2.7.2 二维数组
2.8 scikit-learn机器学习库
2.8.1 机器学习的步骤
2.8.2 线性回归
2.8.3 逻辑回归
2.9 Matplotlib绘图库
2.9.1 用列表绘制线条
2.9.2 用数组绘图
2.9.3 多个图的绘制
第3章 vn.py入门
3.1 vn.py介绍
3.2 搭建vn.py运行环境
3.2.1 安装Visual Studio 2013社区版（特定版本）
3.2.2 安装代码编辑器工具：Sublime Text
3.2.3 安装Wing IDE
3.2.4 安装MongoDB数据库
3.2.5 安装Robo 3T
3.2.6 安装vn.py
3.2.7 更新vn.py
3.3 VnTrader界面功能介绍
3.3.1 连接CTP
3.3.2 界面说明
3.4 vn.py架构
3.4.1 底层接口
3.4.2 中层引擎
3.4.3 上层应用
3.5 底层接口
3.5.1 CTP API的工作原理
3.5.2 CTP API的Python封装设计
3.5.3 CTP API对接中层引擎原理
3.6 事件引擎
3.6.1 时间驱动
3.6.2 事件驱动
3.6.3 事件引擎工作流程
3.6.4 事件引擎结构
3.7 上层应用
3.7.1 PyQt介绍
3.7.2 GUI组件构成
第4章 在vn.py中实现CTA策略
4.1 数据解决方案
4.1.1 CSV加载模块
4.1.2 开发新的CSV导入模块
4.1.3 数据下载模块
4.2 K线生成模块
4.2.1 1分钟K线合成
4.2.2 X分钟K线合成
4.3 K线管理模块
4.3.1 初始化参数
4.3.2 生成时间序列
4.3.3 定义属性函数
4.3.4 生成计算指标
4.4 CTA策略模块
4.4.1 定义成员变量
4.4.2 构建函数
4.4.3 回调函数
4.4.4 主动函数
4.5 策略回测模块
4.5.1 CTA回测引擎
4.5.2 参数优化设置
4.5.3 调用回测和优化模块
第5章 经典CTA策略
5.1 双均线策略
5.1.1 策略原理
5.1.2 向量回测
5.1.3 vn.py回测
5.2 Dual Thrust策略
5.2.1 策略原理
5.2.2 策略代码解析
5.2.3 策略回测
5.2.4 策略优化
5.2.5 滚动回测
5.3 AtrRsi策略
5.3.1 ATR指标
5.3.2 RSI指标
5.3.3 策略原理
5.3.4 策略代码解析
5.3.5 策略回测
5.3.6 滚动回测
5.4 金肯特纳通道策略
5.4.1 策略原理
5.4.2 策略代码解析
5.4.3 策略回测
5.4.4 滚动回测
5.5 布林带通道策略
5.5.1 策略原理
5.5.2 CCI指标
5.5.3 ATR指标
5.5.4 策略回测
5.5.5 滚动回测
5.6 跨时间周期策略
5.6.1 策略原理
5.6.2 策略代码解析
5.6.3 策略回测
5.6.4 滚动回测
5.7 多信号组合策略
5.7.1 策略原理
5.7.2 信号生成部分
5.7.3 交易管理部分
5.7.4 多信号策略的重构
第6章 海龟策略本地化实证
6.1 海龟策略速览
6.1.1 海龟策略的故事
6.1.2 海龟策略的局限性
6.1.3 原版海龟策略
6.1.4 策略回测效果
6.2 本地化实现困境与解决方案
6.2.1 本地化实现困境
6.2.2 理想解决方案
6.3 vn.py实现的海龟策略
6.3.1 工具准备
6.3.2 数据准备
6.3.3 海龟策略代码结构
6.3.4 海龟策略6大要素代码解析
6.3.5 海龟策略的回测
6.4 品种选择验证
6.4.1 原版投资组合测试
6.4.2 筛选品种的传统方法
6.4.3 构建海龟组合的难点
6.4.4 海龟组合筛选的解决方案
6.4.5 重新构建投资组合
6.5 长短周期信号检验
6.6 上一笔赢利过滤检验
6.7 手续费、滑点测试
6.8 单位头寸限制检验
6.9 关于海龟策略的其他研究方向
第7章 新策略实战
7.1 开发新的策略
7.1.1 策略思路
7.1.2 增加AROON函数
7.1.3 策略代码解析
7.1.4 策略回测
7.2 多策略的组合回测
7.2.1 历史表现
7.2.2 预测表现
7.2.3 回测的注意事项
7.3 模拟测试
7.3.1 策略文件目录
7.3.2 实盘/模拟盘配置文件
7.4 真实交易环境
7.4.1 交易环境的3套系统
7.4.2 交易环境的数据流
7.5 实际操作注意事项
7.5.1 计算错误
7.5.2 数据使用误差
7.5.3 过拟合
7.5.4 幸存者偏差
7.5.5 策略周期
7.5.6 动态变化的现实环境
7.5.7 人为干预
附录A 主流交易品种
A.1 股票
A.1.1 股票的定义
A.1.2 股票交易所
A.1.3 股票竞价规则
A.1.4 T+1制度
A.1.5 股票交易策略
A.2 期货
A.2.1 期货的定义
A.2.2 期货交易所
A.2.3 期货交易策略
A.3 期权
A.3.1 期权的定义
A.3.2 期权的分类
A.3.3 期权的影响因素
A.3.4 期权投资组合
A.3.5 期权波动率套利策略
A.4 外汇
A.4.1 外汇的定义
A.4.2 外汇市场的结构
A.4.3 外汇市场的组织形式
A.4.4 主要外汇交易中心
A.4.5 外汇交易策略
参考文献
📜 SIMILAR VOLUMES
<p>本书本着能让新手快速上手量化交易的原则，循序渐进地讲解了量化交易入门所需要的知识，以及大量的开发技巧与交易技巧，具有很强的实用性。vn.py是机构级别的量化交易软件，掌握vn.py框架原理并且熟练运用，有利于新手快速搭建属于自己的量化交易。Python语言有非常强大的数据分析库，对于交易策略的研发具有天然优势，且其易学性也深受初学者喜爱。本书即以Python+vn.py这行组合写作，从量化交易的起源及其发展进程入手，在简单介绍Python量化编程基础，以及详细解析vn.py架构之后，深入且全面地介绍了CTA策略、海龟策略，以及新策略的开发流程。</p>
<p>在目前不断变化、蓬勃发展的中国资本市场，量化投资作为新兴的投资方法，引来越来越多的关注，使用量化投资技术的证券从业人员也越来越多。</p> <p>本书分为11章，内容包括Python环境的搭建、Python数据相关类库的使用、掘金量化终端的使用、Talib金融库的详解、多因子策略的介绍、带技术指标的多因子策略、中证红利指数增强策略、回归分析与TensorFlow、回归模型的经典应用、配对交易的魔力等。</p> <p>本书可作为量化投资技术初学者、证券从业人员、金融投资人员的自学用书，也可作为金融机构的培训用书，还可作为高等院校相关专业师生的教学参考书。</p>
<p>《Python量化交易：策略、技巧与实战》先讲解量化交易的基础知识，即量化交易的定义、特点、应用、故事、历史及注意事项；然后讲解量化交易平台，即JoinQuant聚宽量化交易平台的功能、账户的注册和登录、量化交易策略的创建、选股技巧、买卖条件模型、风险控制技巧、其他参数设置技巧、回测、模拟交易、实盘交易；接着讲解量化交易开发语言Python，即讲解Python开发环境及编程基础、流程控制与特征数据类型、函数与面向对象；又讲解Python量化交易策略的常用库、常用函数与对象、获取数据函数运用技巧、基本面选股技巧、技术指标函数运用技巧、回测方法与技巧；接着讲解Python量化交易策略的机器算
<p>《零起点Python大数据与量化交易》是国内较早关于Python大数据与量化交易的原创图书，配合zwPython开发平台和zwQuant开源量化软件学习，是一套完整的大数据分析、量化交易的学习教材，可直接用于实盘交易。《零起点Python大数据与量化交易》有三大特色：第一，以实盘个案分析为主，全程配有Python代码；第二，包含大量的图文案例和Python源码，无须专业编程基础，懂Excel即可开始学习；第三，配有专业的zwPython集成开发平台、zwQuant量化软件和zwDat数据包。</p> <p>《零起点Python大数据与量化交易》内容源自笔者的原版教学课件，虽然限于篇幅和
<p>《从零开始学Python 大数据与量化交易》首先讲解量化交易的基础知识，如量化交易的优势、应用、注意事项、历史、量化交易平台等；然后讲解量化交易开发语言Python，即讲解Python 语言的开发环境、基本语法及流程控制、特征数据类型、内置函数与自定义用户函数、面向对象编程；接着讲解大数据分析和可视化的3 个包，分别是Numpy 包、Pandas 包、Matplotlib 包；然后讲解量化交易策略的编写、获取数据函数、基本面量化选股、量化择时的技术指标函数、回测技巧、因子分析技巧；最后讲解Python 量化交易策略的实战案例。</p>