Python量化交易實戰(zhàn)入門與技巧

第1章　初識量化交易 / 1
1.1 量化交易的基本概念 / 2
1.1.1 什么是量化交易 / 2
1.1.2 量化交易的特點 / 2
1.1.3 為什么要學(xué)習(xí)量化交易 / 4
1.1.4 量化交易與其他交易 / 6
1.2 量化交易的主要內(nèi)容 / 7
1.2.1 量化選股 / 7
1.2.2 量化擇時 / 8
1.2.3 算法交易 / 8
1.2.4 各種套利交易 / 8
1.3 量化交易的歷史 / 10
1.3.1 國外量化交易的歷史 / 10
1.3.2 國內(nèi)量化交易的歷史 / 10
1.4 量化交易的故事 / 11
1.4.1 朱爾斯·雷格納特的故事 / 11
1.4.2 愛德華·索普的故事 / 13
1.4.3 詹姆斯·西蒙斯的故事 / 14
1.5 量化交易的潛在風(fēng)險及應(yīng)對策略 / 16
1.6 量化交易與人工交易的比較 / 16
1.7 量化交易的注意事項 / 17

第2章　JoinQuant（聚寬）量化交易平臺 / 19
2.1 JoinQuant（聚寬）量化交易平臺的功能 / 20
2.2 JoinQuant（聚寬）量化交易平臺的賬戶注冊與登錄 / 20
2.2.1 賬戶注冊 / 21
2.2.2 賬戶登錄 / 22
2.3 創(chuàng)建量化交易策略 / 23
2.3.1 向?qū)讲呗陨善?/ 25
2.3.2 新建策略 / 35
2.4 量化交易策略的回測詳情 / 36
2.5 模擬交易 / 38
2.5.1 新建模擬交易并運行 / 38
2.5.2 查看模擬交易 / 39
2.5.3 綁定微信 / 42

第3章　Python語言及其開發(fā)環(huán)境 / 45
3.1 Python語言概述 / 46
3.1.1 Python的發(fā)展歷程 / 46
3.1.2 Python的特點 / 47
3.2 搭建Python開發(fā)環(huán)境 / 48
3.2.1 Python的下載和安裝 / 48
3.2.2 Python的環(huán)境變量配置 / 50
3.3 編寫Python程序 / 53
3.4 利用IPython Notebook編寫Python程序 / 57

第4章　Python的基本語法 / 63
4.1 Python的基本數(shù)據(jù)類型 / 64
4.1.1 數(shù)值類型 / 64
4.1.2 字符串 / 66
4.2 變量與賦值 / 69
4.2.1 變量命名規(guī)則 / 69
4.2.2 變量的賦值 / 70
4.3 運算符 / 71
4.3.1 算術(shù)運算符 / 71
4.3.2 賦值運算符 / 73
4.3.3 位運算符 / 74
4.4 常見的數(shù)值函數(shù)和字符串函數(shù) / 75
4.4.1 數(shù)學(xué)函數(shù) / 76
4.4.2 隨機數(shù)函數(shù) / 77
4.4.3 三角函數(shù) / 79
4.4.4 字符串函數(shù) / 80
4.5 Python的代碼格式 / 85
4.5.1 代碼縮進 / 85
4.5.2 代碼注釋 / 86
4.5.3 空行 / 86
4.5.4 同一行顯示多條語句 / 86

第5章　Python的基本流程控制 / 87
5.1 選擇結(jié)構(gòu) / 88
5.1.1 關(guān)系運算 / 88
5.1.2 邏輯運算 / 90
5.1.3 if語句 / 91
5.1.4 嵌套if語句 / 93
5.2 循環(huán)結(jié)構(gòu) / 94
5.2.1 while循環(huán) / 95
5.2.2 while循環(huán)使用else語句 / 95
5.2.3 無限循環(huán) / 96
5.2.4 for循環(huán) / 97
5.2.5 在for循環(huán)中使用range() 函數(shù) / 98
5.3 其他語句 / 99
5.3.1 break語句 / 100
5.3.2 continue語句 / 100
5.3.3 pass語句 / 101

第6章　Python的特征數(shù)據(jù)類型 / 103
6.1 列表 / 104
6.1.1 創(chuàng)建列表 / 104
6.1.2 訪問列表中的值 / 104
6.1.3 更新列表中的值 / 105
6.1.4 刪除列表中的值 / 106
6.1.5 列表的函數(shù) / 106
6.1.6 列表的方法 / 107
6.2 元組 / 109
6.2.1 創(chuàng)建元組 / 109
6.2.2 訪問元組中的值 / 110
6.2.3 連接元組 / 111
6.2.4 刪除整個元組 / 112
6.2.5 元組的函數(shù) / 112
6.3 字典 / 113
6.3.1 創(chuàng)建字典 / 114
6.3.2 訪問字典中的值和鍵 / 114
6.3.3 修改字典 / 115
6.3.4 字典中的函數(shù) / 116
6.4 集合 / 117
6.4.1 創(chuàng)建集合 / 117
6.4.2 集合的兩個基本功能 / 118
6.4.3 集合的運算符 / 119
6.4.4 集合的方法 / 120

第7章　Python的函數(shù)及應(yīng)用 / 123
7.1 函數(shù)的定義與調(diào)用 / 124
7.1.1 函數(shù)的定義 / 124
7.1.2 函數(shù)的調(diào)用 / 125
7.2 參數(shù)傳遞 / 126
7.2.1 不可更改對象 / 126
7.2.2 可更改對象 / 127
7.3 函數(shù)的參數(shù)類型 / 128
7.3.1 必需參數(shù) / 128
7.3.2 關(guān)鍵字參數(shù) / 129
7.3.3 默認參數(shù) / 130
7.3.4 不定長參數(shù) / 131
7.4 匿名函數(shù) / 132
7.5 變量作用域及類型 / 133
7.5.1 變量作用域 / 133
7.5.2 全局變量和局部變量 / 135
7.5.3 global和nonlocal關(guān)鍵字 / 136

第8章　Python面向?qū)ο蟮某绦蛟O(shè)計 / 139
8.1 面向?qū)ο?/ 140
8.1.1 面向?qū)ο蟾拍?/ 140
8.1.2 類定義與類對象 / 141
8.1.3 類的繼承 / 143
8.2 模塊 / 147
8.2.1 自定義模塊并調(diào)用 / 147
8.2.2 import 語句 / 148
8.2.3 標準模塊 / 150
8.3 包 / 151

第9章　利用Python語言編寫量化策略 / 153
9.1 股票量化策略的組成 / 154
9.1.1 初始化函數(shù)（initialize） / 155
9.1.2 開盤前運行函數(shù)（before_market_open） / 156
9.1.3 開盤時運行函數(shù)（market_open） / 157
9.1.4 收盤后運行函數(shù)（after_market_close） / 158
9.2 股票量化策略的設(shè)置函數(shù) / 158
9.2.1 設(shè)置基準函數(shù) / 159
9.2.2 設(shè)置傭金/ 印花稅函數(shù) / 159
9.2.3 設(shè)置滑點函數(shù) / 161
9.2.4 設(shè)置動態(tài)復(fù)權(quán)( 真實價格) 模式函數(shù) / 161
9.2.5 設(shè)置成交量比例函數(shù) / 162
9.2.6 設(shè)置是否開啟盤口撮合模式函數(shù) / 162
9.2.7 設(shè)置要操作的股票池函數(shù) / 163
9.3 股票量化策略的定時函數(shù) / 163
9.3.1 定時函數(shù)的定義及分類 / 163
9.3.2 定時函數(shù)各項參數(shù)的意義 / 164
9.3.3 定時函數(shù)的注意事項 / 164
9.3.4 定時函數(shù)的實例 / 165
9.4 股票量化策略的下單函數(shù) / 166
9.4.1 按股數(shù)下單函數(shù) / 166
9.4.2 目標股數(shù)下單函數(shù) / 167
9.4.3 按價值下單函數(shù) / 168
9.4.4 目標價值下單函數(shù) / 168
9.4.5 撤單函數(shù) / 169
9.4.6 獲取未完成訂單函數(shù) / 169
9.4.7 獲取訂單信息函數(shù) / 169
9.4.8 獲取成交信息函數(shù) / 170
9.5 股票量化策略的日志log / 171
9.5.1 設(shè)定log級別 / 171
9.5.2 log.info / 171
9.6 股票量化策略的常用對象 / 172
9.6.1 Order對象 / 172
9.6.2 全局對象g / 173
9.6.3 Trade對象 / 173
9.6.4 tick對象 / 174
9.6.5 Context對象 / 174
9.6.6 Position對象 / 176
9.6.7 SubPortfolio對象 / 176
9.6.8 Portfolio對象 / 177
9.6.9 SecurityUnitData對象 / 178

第10章　Python量化策略的常用庫和模塊 / 179
10.1 Numpy庫 / 180
10.1.1 ndarray數(shù)組基礎(chǔ) / 180
10.1.2 矩陣 / 187
10.2 Pandas 庫 / 188
10.2.1 一維數(shù)組Series / 188
10.2.2 二維數(shù)組DataFrame / 189
10.2.3 三維數(shù)組Panel / 199
10.3 Datetime 模塊和Time 模塊 / 201
10.3.1 利用Datetime模塊獲得當前的日期和時間 / 202
10.3.2 利用Time模塊獲得當前的日期和時間 / 203
10.3.3 獲得當前時間并轉(zhuǎn)換為指定日期格式 / 204
10.3.4 獲得三天前的時間的方法 / 204
10.3.5 獲得三天前的日期的方法 / 205
10.3.6 獲得歷史交易日 / 206

第11章　Python量化策略的獲取數(shù)據(jù)函數(shù) / 207
11.1 history() 函數(shù) / 208
11.1.1 各項參數(shù)的意義 / 208
11.1.2 history() 函數(shù)的應(yīng)用實例 / 210
11.2 attribute_history () 函數(shù) / 213
11.3 get_current_data () 函數(shù) / 215
11.4 get_fundamentals () 函數(shù) / 216
11.4.1 各項參數(shù)的意義 / 216
11.4.2 get_fundamentals () 函數(shù)的應(yīng)用實例 / 217
11.5 get_fundamentals_continuously () 函數(shù) / 222
11.6 get_index_stocks () 函數(shù) / 223
11.6.1 各項參數(shù)的意義 / 224
11.6.2 get_index_stocks () 函數(shù)的應(yīng)用實例 / 225
11.7 get_industry_stocks() 函數(shù) / 225
11.8 get_concept_stocks () 函數(shù) / 227
11.9 get_all_securities() 函數(shù) / 229
11.9.1 各項參數(shù)的意義 / 229
11.9.2 get_all_securities() 函數(shù)的應(yīng)用實例 / 230
11.10 get_security_info () 函數(shù) / 232
11.11 get_billboard_list () 函數(shù) / 233
11.11.1 各項參數(shù)的意義 / 233
11.11.2 get_billboard_list() 函數(shù)的應(yīng)用實例 / 234
11.12 get_locked_shares () 函數(shù) / 234

第12章　Python 量化策略的回測 / 237
12.1 回測的過程 / 238
12.2 編寫雙均線量化策略 / 239
12.2.1 量化策略的編輯頁面 / 239
12.2.2 雙均線量化策略的初始化函數(shù) / 241
12.2.3 雙均線量化策略的交易程序函數(shù) / 242
12.3 設(shè)置量化策略的回測參數(shù) / 243
12.4 雙均線量化策略的回測詳情 / 245
12.5 量化策略的風(fēng)險指標 / 248
12.5.1 Alpha（阿爾法） / 249
12.5.2 Beta（貝塔） / 250
12.5.3 Sharpe（夏普比率） / 251
12.5.4 Sortino（索提諾比率） / 251
12.5.5 Information Ratio（信息比率） / 252
12.5.6 Volatility（策略波動率） / 253
12.5.7 Benchmark Volatility（基準波動率） / 254
12.5.8 Max Drawdown（最大回撤） / 255

第13章　Python 量化策略的因子分析 / 257
13.1 初識因子分析 / 258
13.1.1 因子的分類 / 258
13.1.2 因子分析的作用 / 258
13.2 因子分析的實現(xiàn)代碼 / 258
13.2.1 因子分析中變量的含義 / 259
13.2.2 因子分析中可以使用的基礎(chǔ)因子 / 259
13.2.3 calc 的參數(shù)及返回值 / 261
13.3 因子分析的結(jié)果 / 261
13.3.1 新建因子 / 261
13.3.2 收益分析 / 264
13.3.3 IC 分析 / 268
13.3.4 換手分析 / 269
13.4 因子在研究和回測中的使用 / 270
13.5 基本面因子應(yīng)用實例 / 273

第14章　Python 量化策略的技術(shù)指標實例 / 277
14.1 均線型技術(shù)指標實例 / 278
14.1.1 傳統(tǒng)平均線 / 278
14.1.2 高價平均線 / 280
14.1.3 低價平均線 / 281
14.1.4 變異平均線 / 282
14.1.5 成本價均線 / 283
14.2 超買超賣型技術(shù)指標實例 / 285
14.2.1 隨機指標KD / 285
14.2.2 資金流量指標MFI / 286
14.2.3 相對強弱指標RSI / 288
14.2.4 變動速率線OSC / 289
14.2.5 威廉指標WR / 290
14.2.6 順勢指標CCI / 291
14.3 趨勢型技術(shù)指標實例 / 292
14.3.1 平滑異同平均線MACD / 293
14.3.2 趨向指標DMI / 294
14.3.3 簡易波動指標EMV / 295
14.3.4 終極指標UOS / 296
14.4 能量型技術(shù)指標實例 / 298
14.4.1 情緒指標BRAR / 298
14.4.2 帶狀能量線CR / 299
14.4.3 成交量變異率VR / 300
14.4.4 梅斯線MASS / 301
14.4.5 累積能量線OBV / 302
14.4.6 相對強弱量VRSI / 303
14.5 壓力支撐型技術(shù)指標實例 / 305
14.5.1 布林通道線BOLL / 305
14.5.2 麥克支撐壓力線MIKE / 306
14.5.3 薛斯通道線XS / 307

第15章　Python量化交易策略實例 / 311
15.1 MACD指標量化交易策略 / 312
15.1.1 編寫初始化函數(shù) / 312
15.1.2 編寫單位時間調(diào)用的函數(shù) / 313
15.1.3 MACD 指標量化交易策略的回測 / 315
15.2 能量型指標量化交易策略 / 316
15.2.1 編寫初始化函數(shù) / 316
15.2.2 編寫單位時間調(diào)用的函數(shù) / 317
15.2.3 能量型指標量化交易策略的回測 / 318
15.3 KD指標量化交易策略 / 320
15.3.1 編寫初始化函數(shù) / 320
15.3.2 編寫開盤前運行函數(shù) / 321
15.3.3 編寫開盤時運行函數(shù) / 321
15.3.4 編寫收盤后運行函數(shù) / 322
15.3.5 KD指標量化交易策略的回測 / 322
15.4 多股票持倉量化交易策略 / 324
15.4.1 編寫初始化函數(shù) / 324
15.4.2 編寫單位時間調(diào)用的函數(shù) / 324
15.4.3 多股票持倉量化交易策略的回測 / 325
15.5 多股票追漲量化交易策略 / 327
15.5.1 編寫初始化函數(shù) / 327
15.5.2 編寫每天早上開盤時執(zhí)行函數(shù) / 327
15.5.3 編寫開始交易前被調(diào)用函數(shù) / 328
15.5.4 編寫單位時間調(diào)用的函數(shù) / 328
15.5.5 多股票追漲量化交易策略的回測 / 329
15.6 銀行股輪動量化交易策略 / 331
15.6.1 編寫初始化函數(shù) / 331
15.6.2 編寫選股函數(shù) / 332
15.6.3 編寫交易函數(shù) / 332
15.6.4 銀行股輪動量化交易策略的回測 / 333
15.7 小市值股票量化交易策略 / 334
15.7.1 編寫初始化函數(shù) / 334
15.7.2 編寫選股函數(shù) / 335
15.7.3 編寫過濾停牌股票函數(shù) / 336
15.7.4 編寫交易函數(shù) / 336
15.7.5 小市值股票量化交易策略的回測 / 337