●推薦序一
推薦序二
推薦序三
前言
第1章 量化投資與Python簡介 1
1.1 量化投資基本概念 1
1.2 量化投資的特征 2
1.3 量化投資的優勢 3
1.4 量化、AI並不是一切 4
1.5 編程語言比較 5
1.5.1 Matlab 5
1.5.2 R 6
1.5.3 C++ 6
1.5.4 Python 6
1.5.5 其他語言 7
1.6 為什麼要使用Python 7
1.7 Python構建量化投資生產線 10
第2章 平臺搭建和工具 11
2.1 需要考慮的問題 11
2.2 編程環境搭建流程 12
2.2.1 其他庫的安裝 12
2.2.2 四種集成開發環境（IDE）介紹 13
第3章 Python金融分析常用庫介紹 17
3.1 NumPy 17
3.1.1 創建多維數組 18
3.1.2 選素 19
3.2 SciPy 20
3.3 Pandas 21
3.3.1 DataFrame入門 21
3.3.2 Series 35
3.4 StatsModels 36
第4章 可視化分析 39
4.1 Matplotlib 39
4.1.1 散點圖 39
4.1.2 直方圖 40
4.1.3 函數圖 40
4.1.4 Matplotlib和seaborn的中文亂碼問題 42
4.2 seaborn 43
4.3 python-highcharts 47
第5章 統計基礎 53
5.1 基本統計概念 53
5.1.1 隨機數和分布 53
5.1.2 隨機數種子 58
5.1.3 相關繫數 58
5.1.4 基本統計量 59
5.1.5 頻率分布直方圖 60
5.2 連續隨機變量分布 63
5.2.1 分布的基本特征 63
5.2.2 衍生特征 66
5.3 回歸分析 68
5.3.1 最小二乘法 68
5.3.2 假設檢驗 71
第6章 數據預處理和初步探索 74
6.1 數據清理 74
6.1.1 可能的問題 75
6.1.2 缺失值 75
6.1.3 噪聲或者離群點 76
6.1.4 數據不一致 77
6.2 描述性統計 77
6.2.1 中心趨勢度量 77
6.2.2 數據散布度量 78
6.3 描述性統計的可視化分析 79
6.3.1 直方圖 79
6.3.2 散點圖 82
6.3.3 盒圖 83
第7章 Pandas進階與實戰 86
7.1 多重索引 86
7.2 數據周期變換 90
第8章 金融基礎概念 92
8.1 收益率 92
8.2 對數收益率 93
8.3 年化收益 93
8.4 波動率 93
8.5 夏普比率 94
8.6 索提諾比率 96
8.7 阿爾法和貝塔 96
8.8 優選回撤 97
第9章 資產定價入門 98
9.1 利率 98
9.2 利率的計量 99
9.3 零息利率 100
9.4 債券定價 101
9.4.1 債券收益率 101
9.4.2 平價收益率 102
9.4.3 國債零息利率確定 102
9.4.4 遠期利率 105
9.5 久期 106
9.6 期權 106
9.7 期權的描述 107
9.8 看漲期權和看跌期權 107
9.9 期權價格與股票價格的關繫 108
9.10 影響期權價格的因素 108
第10章 金融時間序列分析 110
10.1 為什麼用收益率而不是價格 110
10.2 金融時間序列定義 110
10.3 平穩性 112
10.4 白噪聲序列 112
10.5 自相關繫數 113
10.6 混成檢驗 114
10.7 AR（p）模型 115
10.7.1 AR（p）模型簡介 115
10.7.2 AR(p)平穩性檢驗 115
10.7.3 AR(p)如何確定參數p 117
10.8 信息準則 119
10.8.1 擬合優度 120
10.8.2 預測 121
10.9 ARMA模型 122
10.9.1 MA模型 122
10.9.2 ARMA模型公式 124
10.9.3 ARMA模型階次判定 124
10.9.4 建立ARMA模型 125
10.10 ARCH和GARCH模型 126
10.10.1 波動率的特征 127
10.10.2 波動率模型框架 127
10.10.3 ARCH模型 127
10.10.4 GARCH模型 132
第11章 數據源和數據庫 135
11.1 數據來源 135
11.2 TuShare 135
11.2.1 TuShare安裝 136
11.2.2 TuShare的Python SDK 136
11.3 pandas-reader 137
11.4 萬得接口 141
11.4.1 一個簡單例子 141
11.4.2 數據庫 142
11.4.3 下載所有股票歷史數據 143
第12章 CTA策略 145
12.1 趨勢跟蹤策略理論基礎 145
12.2 技術指標 146
12.3 主力合約的換月問題 147
12.4 用Python實現復權 148
12.4.1 加減復權 148
12.4.2 乘除復權 149
12.5 安裝ta-lib 151
12.6 ta-lib的指標和函數介紹 152
12.7 可疊加指標 153
12.7.1 MA、EMA 154
12.7.2 Bollinger Bands 155
12.8 動量指標 156
12.8.1 動量指標簡介 156
12.8.2 相對強弱指標 157
12.9 成交量指標 158
12.10 波動率指標 158
12.11 價格變換 159
12.12 Pattern Recognition 160
12.13 一個簡單策略模式 163
第13章 策略回測 165
13.1 回測繫統是什麼 165
13.2 各種回測繫統簡介 165
13.3 什麼是回測 166
13.4 回測繫統的種類 167
13.4.1 “向量化”繫統 167
13.4.2 For循環回測繫統 167
13.4.3 事件驅動繫統 168
13.5 回測的陷阱 169
13.6 回測中的其他考量 169
13.7 回測繫統概覽 170
13.8 使用Python搭建回測繫統 171
13.8.1 Python向量化回測 171
13.8.2 Python For循環回測 174
13.8.3 PyAlgoTrade簡介 177
第14章 多因子風險模型 181
14.1 風險定義 181
14.2 資本資產定價模型 182
14.3 套利定價理論 182
14.4 多因子模型 183
14.5 多因子模型的優勢 183
14.6 建立多因子模型的一般流程 184
14.6.1 風險因子的種類 184
14.6.2 反映外部影響的因子 184
14.6.3 資產截面因子 184
14.6.4 統計因子 184
14.7 行業因子 185
14.8 風險因子 185
14.8.1 風險因子分類 185
14.8.2 投資組合風險分析 186
14.9 基準組合 186
14.10 因子選擇和測試 187
14.11 Fama-French三因子模型 187
14.12 因子發掘與論證 191
14.13 單因子有效性分析alphalens 192
14.13.1 數據預處理 192
14.13.2 收益率分析 195
14.13.3 信息繫數分析 198
14.14 財務因子為什麼不好用 201
第15章 資金分配 203
15.1 現代/均值-方差資產組合理論 203
15.1.1 MPT理論簡介 203
15.1.2 隨機權重的夏普比率 204
15.1.3 優選化夏普比率 207
15.2 Black-Litterman資金分配模型 209
15.2.1 MPT的優化矩陣算法 209
15.2.2 Black-Litterman模型 215
第16章 實盤交易和vn.py框架 219
16.1 交易平臺簡介 219
16.2 交易框架vn.py 219
16.3 vn.py的安裝和配置 220
16.3.1 安裝VN Studio 220
16.3.2 運行VN Station 221
16.3.3 啟動VN Trader 222
16.4 CTA策略模塊分析 224
16.5 第一個入門策略 225
16.5.1 創建策略文件 225
16.5.2 定義策略類 225
16.5.3 設置參數變量 229
16.5.4 交易邏輯實現 230
16.5.5 實盤K線合成 232
16.6 on_tick和on_bar 233
16.6.1 on_tick的邏輯 233
16.6.2 on_bar的邏輯 234
16.6.3 策略的兩種模式 235
第17章 Python與Excel交互 239
17.1 Excel相關庫簡介 239
17.2 OpenPyxl基礎 239
17.2.1 OpenPyxl入門操作 239
17.2.2 Pandas與Excel 242
17.2.3 在Excel中繪圖 244
後記 252

《Python量化投資：技術、模型與策略》基於大量真實的實踐應用案例和場景，介紹了Python在量化投資各個環節的應用。作者結合自己在量化投資中的項目經驗，用通俗易懂的語言和生動的案例，圍繞量化投資中的概念、思路、方法與應用，幫助讀者深刻領會“Python的膠水語言能力使其在量化投資生產線的各個環節幾乎都能勝任”。
《Python量化投資：技術、模型與策略》共17章，第1-9章繫統介紹了量化投資中的基礎概念，包括數據處理、Pandas的使用、統計方法、資產定價等，同時提供Python實例代碼進行解釋，方便讀者在釐清基本概念的同時，能上手嘗試簡單的Python代碼，為後面更復雜的量化體繫打好基礎；第10-17章從實戰的角度介紹了量化投資中的具體應用，包括數據來源、CTA策略、多因子策略、策略回測、資金分配等。
《Python量化投資：技術、模型與策略》從實戰的角度出發等