目 錄
第1章 走進量化投資 1
1.1 量化投資的誕生背景 1
1.2 量化投資的特點 3
1.3 量化投資的應用 5
1.4 量化投資在我國股市的發(fā)展前景 6
1.5 小結 6
第2章 Python的安裝與使用 7
2.1 Python的基本安裝和用法 7
2.1.1 Anaconda的下載與安裝 8
2.1.2 Python編譯器PyCharm的安裝 11
2.1.3 使用Python計算softmax函數 14
2.2 Python常用類庫中的threading 15
2.2.1 threading庫的使用 16
2.2.2 threading模塊中最重要的Thread類 16
2.2.3 threading中的Lock類 18
2.2.4 threading中的join類 19
2.3 小結 19
第3章 Python類庫的使用——數據處理及可視化展示 20
3.1 從小例子起步——NumPy的初步使用 20
3.1.1 數據的矩陣化 20
3.1.2 數據分析 22
3.1.3 基于統(tǒng)計分析的數據處理 24
3.2 圖形化數據處理——Matplotlib包的使用 24
3.2.1 差異的可視化 24
3.2.2 坐標圖的展示 25
3.2.3 大規(guī)模數據的可視化 27
3.3 常用的統(tǒng)計分析方法——相似度計算 30
3.3.1 基于歐幾里得距離的相似度計算 30
3.3.2 基于余弦角度的相似度計算 31
3.3.3 歐幾里得相似度與余弦相似度的比較 32
3.4 數據的統(tǒng)計學可視化展示 33
3.4.1 數據的四分位 33
3.4.2 數據的四分位示例 34
3.4.3 數據的標準化 37
3.4.4 數據的平行化處理 39
3.4.5 熱點圖-屬性相關性檢測 41
3.5 Python實戰(zhàn)：某地降雨的關系處理 42
3.5.1 不同年份的相同月份統(tǒng)計 42
3.5.2 不同月份之間的增減程度比較 44
3.5.3 每月的降水量是否相關 45
3.6 小結 46
第4章 歡迎來到掘金量化 47
4.1 基礎工作 47
4.1.1 安裝掘金終端 47
4.1.2 獲取幫助 49
4.2 實戰(zhàn)：使用掘金終端進行回測工作 51
4.2.1 創(chuàng)建第一個策略 51
4.2.2 運行回測 52
4.2.3 查看回測結果 54
4.2.4 使用PyCharm進行回測 55
4.3 小結 59
第5章 Talib金融庫使用詳解 60
5.1 Talib金融工具庫的介紹 60
5.1.1 使用Talib獲取3日、7日、15日均線 60
5.1.2 EMA的計算 62
5.1.3 MACD的計算 64
5.1.4 MACD斜率的計算方法 66
5.1.5 使用Talib實現(xiàn)國內金融數據指標 67
5.2 Talib金融工具庫函數 69
5.2.1 Talib常用函數介紹 73
5.2.2 Talib圖像形態(tài)識別 75
5.3 實戰(zhàn)：Talib金融工具回測實戰(zhàn) 83
5.3.1 根據MACD變化回測2017年盈利情況 84
5.3.2 股價的波動范圍及未來走勢判定 90
5.4 兩種經典的軌道突破策略 92
5.4.1 Dual Thrust策略 92
5.4.2 Dynamic Breakout II策略 96
5.5 小結 99
第6章 多因子策略 100
6.1 一個奇怪的問題 100
6.1.1 因子是什么 101
6.1.2 選取因子 102
6.1.3 單因子選股輪動測試 105
6.2 因子的量化選擇 108
6.2.1 基于IC值的多因子計算方法 109
6.2.2 基于IC值的多因子計算方法（續(xù)） 110
6.2.3 因子IC值計算的目標，等權法因子值的合成 114
6.3 實戰(zhàn)：基于成長因子的模型測試 116
6.3.1 模型說明 116
6.3.2 使用模型進行回測 125
6.4 霍華?羅斯曼的投資模型 127
6.4.1 霍華?羅斯曼簡介 127
6.4.2 霍華?羅斯曼的投資模型 127
6.4.3 對霍華?羅斯曼模型的分析 128
6.5 小結 131
第7章 帶技術指標的多因子策略 132
7.1 技術面多因子介紹 132
7.1.1 101個技術因子 132
7.1.2 基于Talib的技術因子重寫 136
7.1.3 一個基于放量技術因子策略的回測 140
7.2 較為復雜的技術因子 143
7.2.1 阻力支撐相對強度因子介紹 143
7.2.2 改進的RSRS因子與回測數據 146
7.2.3 價差偏離度因子介紹 148
7.3 簡單的技術性因子—波動率因子 151
7.3.1 波動率因子介紹 151
7.3.2 更多的波動率因子 155
7.4 實戰(zhàn)：一個回測成功率100%的中長線買賣例子 158
7.4.1 技術指標的設計 159
7.4.2 回測的設計 164
7.5 小結 166
第8章 人人都是基金經理——中證紅利指數增強策略 167
8.1 中證紅利指數基金介紹 167
8.1.1 紅利指數基金的由來 168
8.1.2 中證紅利簡介 168
8.2 基于中證紅利的指數增強基金策略的構建 169
8.2.1 中證紅利策略的構建方法 170
8.2.2 策略回測與優(yōu)化 173
8.3 小結 173
第9章 掘金量化——回歸分析基礎 175
9.1 回歸分析基礎 175
9.1.1 回歸法簡介 176
9.1.2 一元線性回歸 176
9.1.3 多元線性回歸 179
9.1.4 回歸法的解法——最小二乘法詳解 180
9.2 回歸分析的一些其他計算方法 183
9.2.1 梯度下降算法與使用TensorFlow計算線性回歸 183
9.2.2 線性回歸的姐妹——邏輯回歸 189
9.3 實戰(zhàn)：回歸分析——短時間開盤價與收盤價之間的關系 190
9.3.1 量化策略基本思路與簡單實現(xiàn) 190
9.3.2 使用掘金量化實現(xiàn)回測 192
9.4 買還是賣——邏輯回歸幫你做決定 196
9.4.1 邏輯回歸是一種分類算法 196
9.4.2 邏輯回歸的TensorFlow實現(xiàn) 197
9.4.3 使用TensorFlow的邏輯回歸進行回測 201
9.5 機器學習策略——支持向量機 203
9.5.1 支持向量機的基本概念 203
9.5.2 使用支持向量機進行回測 204
9.6 小結 208
第10章 回歸模型的經典應用 209
10.1 CAPM模型簡介 210
10.1.1 CAPM定價模型的提出 210
10.1.2 CAPM定價模型的公式與假設 211
10.1.3 CAPM中Beta的定義 212
10.2 Fama-French三因子模型 213
10.2.1 Fama-French模型的基礎公式 214
10.2.2 Fama-French模型的實現(xiàn)與回測 215
10.3 PB-ROE回歸模型的使用 220
10.3.1 PB-ROE模型介紹 220
10.3.2 PB-ROE模型的實現(xiàn) 221
10.3.3 基于上證180的股票回測 226
10.3.4 使用自定義股票池的PB-ROE回測 232
10.4 小結 242
第11章 配對交易的魔力 243
11.1 配對交易的基本理論 243
11.1.1 相關性分析 244
11.1.2 均值、方差與協(xié)方差 246
11.2 協(xié)整性的判定與檢驗 248
11.2.1 協(xié)整性 248
11.2.2 平穩(wěn)性的檢驗方法 249
11.3 配對交易 253
11.3.1 配對交易的算法 253
11.3.2 提取股票的相關性 254
11.3.3 協(xié)整系數的計算方法 257
11.4 配對交易的魔力 263
11.4.1 前期計算 263
11.4.2 協(xié)整性判斷 265
11.4.3 使用量化掘金回測系統(tǒng)對結果進行判定 266
11.5 小結 270
鄂公網安備 42010302001612號 