第1章 準備工作 1
1.1 Python的安裝與設置 1
1.2 常見的Python庫 2
第2章 Python基礎介紹 7
2.1 Python學習準備 7
2.2 Python語法基礎 11
2.2.1 常量與變量 11
2.2.2 數與字符串 11
2.2.3 數據類 15
2.2.4 標識符 18
2.2.5 對象 19
2.2.6 行與縮進 20
2.2.7 注釋 22
2.3 Python運算符與錶達式 22
2.3.1 算數運算符 22
2.3.2 比較運算符 24
2.3.3 邏輯運算符 25
2.3.4 Python中的優先級 27
2.4 Python中的控製流 27
2.4.1 控製流的功能 28
2.4.2 Python的三種控製流 29
2.4.3 認識分支結構if 30
2.4.4 認識循環結構for…in 32
2.4.5 認識循環結構while 33
2.4.6 break語句與continue語句 35
2.5 Python函數 39
2.5.1 認識函數 39
2.5.2 形參與實參 40
2.5.3 全局變量與局部變量 44
2.5.4 對函數的調用與返迴值 45
2.5.5 文檔字符串 46
2.6 Python模塊 47
2.6.1 認識Python模塊 47
2.6.2 from…import詳解 49
2.6.3 認識__name__屬性 50
2.6.4 自定義模塊 50
2.6.5 dir()函數 51
2.7 Python異常處理與文件操作 52
2.7.1 Python異常處理 52
2.7.2 異常的發生 55
2.7.3 try…finally的使用 56
2.7.4 文件操作 57
第3章 Python進階 59
3.1 NumPy的使用 59
3.1.1 多維數組ndarray 59
3.1.2 ndarray的數據類型 60
3.1.3 數組索引、切片和賦值 61
3.1.4 基本的數組運算 62
3.1.5 隨機數 63
3.2 Pandas的使用 67
3.2.1 Pandas的數據結構 68
3.2.2 Pandas輸齣設置 70
3.2.3 Pandas數據讀取與寫入 70
3.2.4 數據集快速描述性統計分析 71
3.2.5 根據已有的列建立新列 72
3.2.6 DataFrame按多列排序 73
3.2.7 DataFrame去重 73
3.2.8 刪除已有的列 74
3.2.9 Pandas替換數據 75
3.2.10 DataFrame重命名 75
3.2.11 DataFrame切片與篩選 76
3.2.12 連續型變量分組 78
3.2.13 Pandas分組技術 79
3.3 SciPy的初步使用 83
3.3.1 迴歸分析 84
3.3.2 插值 87
3.3.3 正態性檢驗 89
3.3.4 凸優化 93
3.4 Matplotlib的使用 97
3.5 Seaborn的使用 97
3.5.1 主題管理 98
3.5.2 調色闆 101
3.5.3 分布圖 102
3.5.4 迴歸圖 104
3.5.5 矩陣圖 106
3.5.6 結構網格圖 108
3.6 Scikit-Learn的初步使用 109
3.6.1 Scikit-Learn學習準備 110
3.6.2 常見的機器學習模型 111
3.6.3 模型評價方法——metric模塊 120
3.6.4 深度學習 124
3.7 SQLAlchemy與常用數據庫的連接 124
3.7.1 連接數據庫 125
3.7.2 讀取數據 126
3.7.3 存儲數據 126
第4章 常用數據的獲取與整理 129
4.1 金融數據類型 129
4.2 金融數據的獲取 131
4.3 數據整理 135
4.3.1 數據整閤 135
4.3.2 數據過濾 137
4.3.3 數據探索與數據清洗 138
4.3.4 數據轉化 140
第5章 通聯數據迴測平颱介紹 143
5.1 迴測平颱函數與參數介紹 144
5.1.1 設置迴測參數 144
5.1.2 accounts賬戶配置 154
5.1.3 initialize（策略初始化環境） 160
5.1.4 handle_data（策略運行邏輯） 160
5.1.5 context（策略運行環境） 160
5.2 股票模闆實例 168
5.3 期貨模闆實例 173
5.4 策略迴測詳情 179
5.5 策略的風險評價指標 181
5.6 策略交易細節 184
第6章 常用的量化策略及其實現 187
6.1 量化投資概述 187
6.1.1 量化投資簡介 187
6.1.2 量化投資策略的類型 188
6.1.3 量化研究的流程 189
6.2 行業輪動理論及其投資策略 192
6.2.1 行業輪動理論簡介 192
6.2.2 行業輪動的原因 192
6.2.3 行業輪動投資策略 194
6.3 市場中性Alpha策略 199
6.3.1 市場中性Alpha策略介紹 199
6.3.2 市場中性Alpha策略的思想和方法 200
6.3.3 實例展示 201
6.4 大師策略 206
6.4.1 麥剋·歐希金斯績優成分股投資法 207
6.4.2 傑拉爾丁·維斯藍籌股投資法 211
6.5 CTA策略 219
6.5.1 趨勢跟隨策略 219
6.5.2 均值迴復策略 241
6.5.3 CTA策略錶現分析 253
6.6 Smart Beta 258
6.6.1 基於權重優化的Smart Beta 258
6.6.2 基於風險因子的Smart Beta 268
6.7 技術指標類策略 281
6.7.1 AROON指標 281
6.7.2 BOLL指標 285
6.7.3 CCI指標 288
6.7.4 CMO指標 293
6.7.5 Chaikin Oscillator指標 295
6.7.6 DMI指標 299
6.7.7 優礦平颱因子匯總 302
6.8 資産配置 317
6.8.1 有效邊界 318
6.8.2 Black-Litterman模型 335
6.8.3 風險平價模型 349
6.9 時間序列分析 358
6.9.1 與時間序列分析相關的基礎知識 358
6.9.2 自迴歸（AR）模型 365
6.9.3 滑動平均（MA）模型 372
6.9.4 自迴歸滑動平均（ARMA）模型 376
6.9.5 自迴歸差分滑動平均（ARIMA）模型 379
6.10 組閤優化器的使用 384
6.10.1 優化器的概念 384
6.10.2 優化器的API接口 386
6.10.3 優化器實例 388
6.11 期權策略：Greeks和隱含波動率微笑計算 392
6.11.1 數據準備 392
6.11.2 Greeks和隱含波動率計算 394
6.11.3 隱含波動率微笑 401
第7章 量化投資十問十答 405
· · · · · · (收起)