Python量化投資

京東圖書

序言

量化投資把握兩個方面：

• 策略邏輯
  海龜交易策略
  網(wǎng)絡(luò)交易策略
  多因子策略
  統(tǒng)計套利策略
  ……
• 策略實現(xiàn)
  研究--回測--交易

在量化投資的研究過程中，80%的時間都是處理數(shù)據(jù)。

第一章 量化投資與Python簡介

廣義上可以認為，凡是借助于數(shù)學(xué)模型和計算機實現(xiàn)的投資方法都可以稱為量化投資。
-- 股票多因子策略（阿爾法）
-- 期貨CTA策略
-- 套利策略
-- 高頻交易策略

量化投資策略最大特點——具有一套基于數(shù)據(jù)的完整交易規(guī)則（客觀的量化標(biāo)準(zhǔn)）。

• 客觀性
  量化投資一般通過回測來證實或者證偽策略的歷史有效性，而且在進行實盤交易的時候，很多都是通過程序化交易自動下單的，這能在很大程度上保證決策的客觀性，受人為情緒等因素的干擾較少。
• 大數(shù)據(jù)
  量化投資在研究或者決策中，通常會引入大量的數(shù)據(jù)來進行分析。
• 響應(yīng)快
  由于是用計算機進行自動分析，所以分析和響應(yīng)速度都十分迅速，一般能達到秒級，高頻交易甚至是以微秒為單位的。

不要迷信量化投資能夠解決一切問題。我們只需要想辦法利用好量化的特性，在投資競爭中不斷積累優(yōu)勢即可。

投資不是“優(yōu)化”問題，投資是“預(yù)測”問題，是要預(yù)測市場的下一步應(yīng)該怎么走。

第二章 平臺搭建和工具 （略）

主要介紹平臺的搭建及相關(guān)Python包安裝，該筆記略去這部分內(nèi)容。

第三章 Python金融分析常用庫介紹 （略）

• Numpy
• Scipy
• Pandas
• StatsModels

第4章 可視化分析（略）

• Matplotlib
• seaborn
• python-highcharts

第5章 統(tǒng)計基礎(chǔ) （略）

• 基本統(tǒng)計概念
• 連續(xù)隨機變量分布
• 回歸分析

第6章 數(shù)據(jù)預(yù)處理和初步探索（略）

• 數(shù)據(jù)清理
• 描述性統(tǒng)計
• 描述性統(tǒng)計的可視化分析

第7章 Pandas進階與實戰(zhàn)（略）

• 多重索引
• 數(shù)據(jù)周期變換