python書籍推薦：量化投資：以Python為工具
阿新 • • 發佈：2019-05-10
字符串 chart 3.5 維數 走勢 思路 浮點 編寫 修改
第1 章Python 簡介與安裝使用 2
1.1 Python 概述 2
1.2 Python 的安裝 3
1.2.1 下載安裝Python 執行文件 3
1.2.2 下載安裝Anaconda 4
1.2.3 多種Python 版本並存 6
1.3 Python 的簡單使用 7
1.4 交互對話環境IPython 8
1.4.1 IPython 的安裝 8
1.4.2 IPython 的使用 9
1.4.3 IPython 功能介紹 10
第2 章Python 代碼的編寫與執行 14
2.1 創建Python 腳本文件 15
2.1.1 記事本 15
2.1.2 Python 默認的IDLE 環境 15
2.2 執行.py 文件 17
2.2.1 IDLE 環境自動執行 17
2.2.2 在控制臺cmd 中執行 18
2.2.3 在Annaconda Prompt 中執行 19
2.3 Python 編程小技巧 20
2.3.1 Python 行 20
2.3.2 Python 縮進 21
第3 章Python 對象類型初探 23
3.1 Python 對象 23
3.2 變量命名規則 24
3.3 數值類型 25
3.3.1 整數 25
3.3.2 浮點數 26
3.3.3 布爾類型 26
3.3.4 復數 27
3.4 字符串 28
3.5 列表 29
3.6 可變與不可變 30
3.7 元組 32
3.9 集合 33
第4 章Python 集成開發環境：Spyder 介紹 36
4.1 代碼編輯器 37
4.2 代碼執行Console 39
4.3 變量查看與編輯 40
4.4 當前工作路徑與文件管理 41
4.5 幫助文檔與在線幫助 42
4.6 其他功能 43
第5 章Python 運算符與使用 44
5.1 常用運算符 44
5.1.1 算術運算符 45
5.1.2 賦值運算符 46
5.1.3 比較運算符 47
5.1.4 邏輯運算符 48
5.1.5 身份運算符 49
5.1.6 成員運算符 51
5.1.7 運算符的優先級 52
5.2 具有運算功能的內置函數 52
第6 章Python 常用語句 55
6.1 賦值語句 55
6.1.1 賦值含義與簡單賦值 55
6.1.2 多重賦值 57
6.1.3 多元賦值 58
6.1.4 增強賦值 58
6.2 條件語句 59
6.3 循環語句 60
6.3.1 for 循環 60
6.3.2 while 循環 61
6.3.3 嵌套循環 62
6.3.4 break、continue 等語句 62
第7 章函數 66
7.1 函數的定義與調用 66
7.2 函數的參數 68
7.3 匿名函數 71
7.4 作用域 72
第8 章面向對象75
8.1 類 75
8.2 封裝 77
8.3 繼承（Inheritance） 79
第9 章Python 標準庫與數據操作 82
9.1 模塊、包和庫 82
9.1.1 模塊 82
9.1.2 包 84
9.1.3 庫 85
9.2 Python 標準庫介紹 85
9.3 Python 內置數據類型與操作 91
9.3.1 序列類型數據操作 91
9.3.1.1 list 類型與操作 91
9.3.1.2 tuple 類型與操作 95
9.3.1.3 range 類型與操作 97
9.3.1.4 字符串操作 98
9.3.2 字典類型操作 103
9.3.3 集合操作 106
第10 章常用第三方庫：Numpy 庫與多維數組 111
10.1 NumPy 庫 111
10.2 創建數組 111
10.3 數組元素索引與切片 115
10.4 數組運算 118
第11 章常用第三方庫：Pandas 與數據處理 120
11.1 Series 類型數據 120
11.1.1 Series 對象的創建 120
11.1.2 Series 對象的元素提取與切片 122
11.1.2.1 調用方法提取元素 122
11.1.2.2 利用位置或標簽提取元素與切片 123
11.1.3 時間序列 124
11.2 DataFrame 類型數據 128
11.2.1 創建DataFrame 對象 128
11.2.2 查看DataFrame 對象 130
11.2.3 DataFrame 對象的索引與切片 131
11.2.4 DataFrame 的操作 135
11.2.5 DataFrame 的運算 139
11.3 數據規整化 142
11.3.1 缺失值的處理 142
11.3.1.1 缺失值的判斷 142
11.3.1.2 選出不是缺失值的數據 143
11.3.2 缺失值的填充 143
11.3.3 缺失值的選擇刪除 145
11.3.4 刪除重復數據 146
第12 章常用第三方庫：Matplotlib 庫與數據可視化 149
12.1 Matplotlib 簡介 149
12.2 修改圖像屬性 152
12.2.1 坐標 152
12.2.1.1 更改坐標軸範圍 152
12.2.1.2 設定坐標標簽與顯示角度 153
12.2.2 添加文本 155
12.2.2.1 添加標題 155
12.2.2.2 中文顯示問題 157
12.2.2.3 設定坐標軸標簽 159
12.2.2.4 增加圖形背景grid 160
12.2.2.5 增加圖例 161
12.2.3 多種線條屬性 162
12.2.3.1 線條的類型 162
12.2.3.2 圖形的顏色 163
12.2.3.3 點的形狀類型 164
12.2.3.4 線條寬度 166
12.3 常見圖形的繪制 167
12.3.1 柱狀圖（Bar charts） 167
12.3.2 直方圖 170
12.3.3 餅圖 172
12.3.4 箱線圖 172
12.4 Figure、Axes 對象與多圖繪制 173
12.4.1 Figure、Axes 對象 174
12.4.2 多圖繪制 176
12.4.2.1 多個子圖繪制 176
12.4.2.2 一個圖中多條曲線繪制 178
第2 部分統計學基礎 180
第13 章描述性統計 181
13.1 數據類型 182
13.2 圖表 182
13.2.1 頻數分布表 182
13.2.2 直方圖 183
13.3 數據的位置 184
13.4 數據的離散度 186
第14 章隨機變量簡介 190
14.1 概率與概率分布 190
14.1.1 離散型隨機變量 190
14.1.2 連續型隨機變量 192
14.2 期望值與方差 193
14.3 二項分布 194
14.4 正態分布 197
14.5 其他連續分布 199
14.5.1 卡方分布 199
14.5.2 t 分布 199
14.5.3 F 分布 200
14.6 變量的關系 202
14.6.1 聯合概率分布 202
14.6.2 變量的獨立性 203
14.6.3 變量的相關性 203
14.6.4 上證綜指與深證綜指的相關性分析 205
第15 章推斷統計 208
15.1 參數估計 208
15.1.1 點估計 209
15.1.2 區間估計 209
15.2 案例分析 212
15.3 假設檢驗 213
15.3.1 兩類錯誤 214
15.3.2 顯著性水平與p 值 215
15.3.3 確定小概率事件 215
15.4 t 檢驗 216
15.4.1 單樣本t 檢驗 216
15.4.2 獨立樣本t 檢驗 217
15.4.3 配對樣本t 統計量的構造 218
第16 章方差分析 221
16.1 方差分析之思想 221
16.2 方差分析之原理 222
16.2.1 離差平方和 223
16.2.2 自由度 224
16.2.3 顯著性檢驗 225
16.3 方差分析之Python 實現 226
16.3.1 單因素方差分析 227
16.3.2 多因素方差分析 228
16.3.3 析因方差分析 228
第17 章回歸分析 231
17.1 一元線性回歸模型 231
17.1.1 一元線性回歸模型 231
17.1.2 最小平方法 232
17.2 模型擬合度 233
17.3 古典假設條件下^_、^ _ 之統計性質 234
17.4 顯著性檢驗 235
17.5 上證綜指與深證成指的回歸分析與Python 實踐 236
17.5.1 Python 擬合回歸函數 236
17.5.2 繪制回歸診斷圖 238
17.6 多元線性回歸模型 240
17.7 多元線性回歸案例分析 241
17.7.1 價格水平對GDP 的影響 241
17.7.2 考量自變量共線性因素的新模型 243
第3 部分金融理論、投資組合與量化選股246
第18 章資產收益率和風險 247
18.1 單期與多期簡單收益率 248
18.1.1 單期簡單收益率 248
18.1.2 多期簡單收益率 249
18.1.3 Python 函數計算簡單收益率 252
18.1.4 單期與多期簡單收益率的關系 252
18.1.5 年化收益率 254
18.1.6 考慮股利分紅的簡單收益率 256
18.2 連續復利收益率 259
18.2.1 多期連續復利收益率 260
18.2.2 單期與多期連續復利收益率的關系 262
18.3 繪制收益圖 263
18.4 資產風險的來源 264
18.4.1 市場風險 264
18.4.2 利率風險 264
18.4.3 匯率風險 265
18.4.4 流動性風險 265
18.4.5 信用風險 265
18.4.6 通貨膨脹風險 266
18.4.7 營運風險 266
18.5 資產風險的測度 266
18.5.1 方差 266
18.5.2 下行風險 268
18.5.3 風險價值 269
18.5.4 期望虧空 271
18.5.5 最大回撤 271
第19 章投資組合理論及其拓展 276
19.1 投資組合的收益率與風險 276
19.2 Markowitz 均值-方差模型 280
19.3 Markowitz 模型之Python 實現 285
19.4 Black-Litterman 模型 289
第20 章資本資產定價模型（CAPM） 298
20.1 資本資產定價模型的核心思想 298
20.2 CAPM 模型的應用 299
20.3 Python 計算單資產CAPM 實例 301
20.4 CAPM 模型的評價 305
第21 章Fama-French 三因子模型 308
21.1 Fama-French 三因子模型的基本思想 308
21.2 三因子模型之Python 實現 310
21.3 三因子模型的評價 315
第4 部分時間序列簡介與配對交易 317
第22 章時間序列基本概念 318
22.1 認識時間序列 318
22.2 Python 中的時間序列數據 320
22.3 選取特定日期的時間序列數據 321
22.4 時間序列數據描述性統計 323
第23 章時間序列的基本性質 326
23.1 自相關性 326
23.1.1 自協方差 327
23.1.2 自相關系數 327
23.1.3 偏自相關系數 327
23.1.4 acf( ) 函數與pacf( ) 函數 328
23.1.5 上證綜指的收益率指數的自相關性判斷 328
23.2 平穩性 331
23.2.1 強平穩 331
23.2.2 弱平穩 332
23.2.3 強平穩與弱平穩的區別 332
23.3 上證綜指的平穩性檢驗 333
23.3.1 觀察時間序列圖 333
23.3.2 觀察序列的自相關圖和偏自相關圖 333
23.3.3 單位根檢驗 336
23.4 白噪聲 340
23.4.1 白噪聲 340
23.4.2 白噪聲檢驗——Ljung-Box 檢驗 341
23.4.3 上證綜合指數的白噪聲檢驗 343
第24 章時間序列預測 345
24.1 移動平均預測 345
24.1.1 簡單移動平均 345
24.1.2 加權移動平均 346
24.1.3 指數加權移動平均 346
24.2 ARMA 模型預測 347
24.2.1 自回歸模型 348
24.2.2 移動平均模型 350
24.3 自回歸移動平均模型 350
24.4 ARMA 模型的建模過程 351
24.5 CPI 數據的ARMA 短期預測 351
24.5.1 序列識別 351
24.5.2 模型識別與估計 354
24.5.3 模型診斷 356
24.5.4 運用模型進行預測 359
24.6 股票收益率的平穩時間序列建模 359
第25 章GARCH 模型 364
25.1 資產收益率的波動率與ARCH 效應 364
25.2 ARCH 模型和GARCH 模型 365
25.2.1 ARCH 模型 365
25.2.2 GARCH 模型 366
25.3 ARCH 效應檢驗 368
25.4 GARCH 模型構建 370
第26 章配對交易策略 372
26.1 什麽是配對交易 372
26.2 配對交易的思想 373
26.3 配對交易的步驟 374
26.3.1 股票對的選擇 374
26.3.2 配對交易策略的制定 383
26.4 構建PairTrading 類 387
26.5 Python 實測配對交易交易策略 391
第5 部分技術指標與量化投資399
第27 章K 線圖 400
27.1 K 線圖簡介 400
27.2 Python 繪制上證綜指K 線圖 403
27.3 Python 捕捉K 線圖的形態 405
27.3.1 Python 捕捉“早晨之星” 406
27.3.2 Python 語言捕捉“烏雲蓋頂”形態 410
第28 章動量交易策略 416
28.1 動量概念介紹 416
28.2 動量效應產生的原因 416
28.3 價格動量的計算公式 417
28.3.1 作差法求動量值 417
28.3.2 做除法求動量值 418
28.4 編寫動量函數momentum( ) 420
28.5 萬科股票2015 年走勢及35 日動量線 420
28.6 動量交易策略的一般思路 423
第29 章RSI 相對強弱指標 429
29.1 RSI 基本概念 429
29.2 Python 計算RSI 值 429
29.3 Python 編寫rsi( ) 函數 434
29.4 RSI 天數的差異 435
29.5 RSI 指標判斷股票超買和超賣狀態 436
29.6 RSI 的“黃金交叉”與“死亡交叉” 437
29.7 交通銀行股票RSI 指標交易實測 438
29.7.1 RSI 捕捉交通銀行股票買賣點 438
29.7.2 RSI 交易策略執行及回測 440
第30 章均線系統策略 446
30.1 簡單移動平均 446
30.1.1 簡單移動平均數 446
30.1.2 簡單移動平均函數 448
30.1.3 期數選擇 449
30.2 加權移動平均 449
30.2.1 加權移動平均數 449
30.2.2 加權移動平均函數 451
30.3 指數加權移動平均 452
30.3.1 指數加權移動平均數 452
30.3.2 指數加權移動平均函數 454
30.4 創建movingAverage 模組 454
30.5 常用平均方法的比較 455
30.6 中國銀行股價數據與均線分析 456
30.7 均線時間跨度 458
30.8 中國銀行股票均線系統交易 459
30.8.1 簡單移動平均線制定中國銀行股票的買賣點 459
30.8.2 雙均線交叉捕捉中國銀行股票的買賣點 462
30.9 異同移動平均線（MACD） 464
30.9.1 MACD 的求值過程 464
30.9.2 異同均線（MACD）捕捉中國銀行股票的買賣點 466
30.10 多種均線指標綜合運用模擬實測 468
第31 章通道突破策略 473
31.1 通道突破簡介 473
31.2 唐奇安通道 473
31.2.1 唐奇安通道刻畫 473
31.2.2 Python 捕捉唐奇安通道突破 476
31.3 布林帶通道 478
31.4 布林帶通道與市場風險 481
31.5 通道突破交易策略的制定 484
31.5.1 一般布林帶上下通道突破策略 484
31.5.2 特殊布林帶通道突破策略 485
第32 章隨機指標交易策略 489
32.1 什麽是隨機指標（KDJ） 489
32.2 隨機指標的原理 489
32.3 KDJ 指標的計算公式 490
32.3.1 未成熟隨機指標RSV 490
32.3.2 K、D 指__________標計算 495
32.3.3 J 指標計算 497
32.3.4 KDJ 指標簡要分析 498
32.4 KDJ 指標的交易策略 499
32.5 KDJ 指標交易實測 499
32.5.1 KD 指標交易策略 499
32.5.2 KDJ 指標交易策略 503
32.5.3 K 線、D 線“金叉”與“死叉” 504
第33 章量價關系分析 509
33.1 量價關系概述 509
33.2 量價關系分析 509
33.2.1 價漲量增 510
33.2.2 價漲量平 512
33.2.3 價漲量縮 512
33.2.4 價平量增 513
33.2.5 價平量縮 514
33.2.6 價跌量增 514
33.2.7 價跌量平 515
33.2.8 價跌量縮 515
33.3 不同價格段位的成交量 516
33.4 成交量與均線思想結合制定交易策略 518
第34 章OBV 指標交易策略 524
34.1 OBV 指標概念 524
34.2 OBV 指標計算方法 524
34.3 OBV 指標的理論依據 527
34.4 OBV 指標的交易策略制定 527
34.5 OBV 指標交易策略的Python 實測 528
34.6 OBV 指標的應用原則 530
所屬網站分類: 資源下載 > python電子書
作者：mimi
鏈接：http://www.pythonheidong.com/blog/article/451/
來源：python黑洞網
內容簡介
《量化投資：以Python為工具》主要講解量化投資的思想和策略，並借助Python 語言進行實戰。《量化投資：以Python為工具》一共分為5 部分，第1 部分是Python 入門，第2 部分是統計學基礎，第3 部分是金融理論、投資組合與量化選股，第4 部分是時間序列簡介與配對交易，第5 部分是技術指標與量化投資。《量化投資：以Python為工具》首先對Python 編程語言進行介紹，通過學習，讀者可以迅速掌握用Python 語言處理數據的方法，並靈活運用Python 解決實際金融問題；其次，向讀者介紹量化投資的理論知識，主要講解量化投資所需的數量基礎和類型等方面；最後講述如何在Python 語言中構建量化投資策略。
目錄
第1 部分Python 入門 1第1 章Python 簡介與安裝使用 2
1.1 Python 概述 2
1.2 Python 的安裝 3
1.2.1 下載安裝Python 執行文件 3
1.2.2 下載安裝Anaconda 4
1.2.3 多種Python 版本並存 6
1.3 Python 的簡單使用 7
1.4 交互對話環境IPython 8
1.4.1 IPython 的安裝 8
1.4.2 IPython 的使用 9
1.4.3 IPython 功能介紹 10
第2 章Python 代碼的編寫與執行 14
2.1 創建Python 腳本文件 15
2.1.1 記事本 15
2.1.2 Python 默認的IDLE 環境 15
2.2 執行.py 文件 17
2.2.1 IDLE 環境自動執行 17
2.2.2 在控制臺cmd 中執行 18
2.2.3 在Annaconda Prompt 中執行 19
2.3 Python 編程小技巧 20
2.3.1 Python 行 20
2.3.2 Python 縮進 21
第3 章Python 對象類型初探 23
3.1 Python 對象 23
3.2 變量命名規則 24
3.3 數值類型 25
3.3.1 整數 25
3.3.2 浮點數 26
3.3.3 布爾類型 26
3.3.4 復數 27
3.4 字符串 28
3.5 列表 29
3.6 可變與不可變 30
3.7 元組 32
3.9 集合 33
第4 章Python 集成開發環境：Spyder 介紹 36
4.1 代碼編輯器 37
4.2 代碼執行Console 39
4.3 變量查看與編輯 40
4.4 當前工作路徑與文件管理 41
4.5 幫助文檔與在線幫助 42
4.6 其他功能 43
第5 章Python 運算符與使用 44
5.1 常用運算符 44
5.1.1 算術運算符 45
5.1.2 賦值運算符 46
5.1.3 比較運算符 47
5.1.4 邏輯運算符 48
5.1.5 身份運算符 49
5.1.6 成員運算符 51
5.1.7 運算符的優先級 52
5.2 具有運算功能的內置函數 52
第6 章Python 常用語句 55
6.1 賦值語句 55
6.1.1 賦值含義與簡單賦值 55
6.1.2 多重賦值 57
6.1.3 多元賦值 58
6.1.4 增強賦值 58
6.2 條件語句 59
6.3 循環語句 60
6.3.1 for 循環 60
6.3.2 while 循環 61
6.3.3 嵌套循環 62
6.3.4 break、continue 等語句 62
第7 章函數 66
7.1 函數的定義與調用 66
7.2 函數的參數 68
7.3 匿名函數 71
7.4 作用域 72
第8 章面向對象75
8.1 類 75
8.2 封裝 77
8.3 繼承（Inheritance） 79
第9 章Python 標準庫與數據操作 82
9.1 模塊、包和庫 82
9.1.1 模塊 82
9.1.2 包 84
9.1.3 庫 85
9.2 Python 標準庫介紹 85
9.3 Python 內置數據類型與操作 91
9.3.1 序列類型數據操作 91
9.3.1.1 list 類型與操作 91
9.3.1.2 tuple 類型與操作 95
9.3.1.3 range 類型與操作 97
9.3.1.4 字符串操作 98
9.3.2 字典類型操作 103
9.3.3 集合操作 106
第10 章常用第三方庫：Numpy 庫與多維數組 111
10.1 NumPy 庫 111
10.2 創建數組 111
10.3 數組元素索引與切片 115
10.4 數組運算 118
第11 章常用第三方庫：Pandas 與數據處理 120
11.1 Series 類型數據 120
11.1.1 Series 對象的創建 120
11.1.2 Series 對象的元素提取與切片 122
11.1.2.1 調用方法提取元素 122
11.1.2.2 利用位置或標簽提取元素與切片 123
11.1.3 時間序列 124
11.2 DataFrame 類型數據 128
11.2.1 創建DataFrame 對象 128
11.2.2 查看DataFrame 對象 130
11.2.3 DataFrame 對象的索引與切片 131
11.2.4 DataFrame 的操作 135
11.2.5 DataFrame 的運算 139
11.3 數據規整化 142
11.3.1 缺失值的處理 142
11.3.1.1 缺失值的判斷 142
11.3.1.2 選出不是缺失值的數據 143
11.3.2 缺失值的填充 143
11.3.3 缺失值的選擇刪除 145
11.3.4 刪除重復數據 146
第12 章常用第三方庫：Matplotlib 庫與數據可視化 149
12.1 Matplotlib 簡介 149
12.2 修改圖像屬性 152
12.2.1 坐標 152
12.2.1.1 更改坐標軸範圍 152
12.2.1.2 設定坐標標簽與顯示角度 153
12.2.2 添加文本 155
12.2.2.1 添加標題 155
12.2.2.2 中文顯示問題 157
12.2.2.3 設定坐標軸標簽 159
12.2.2.4 增加圖形背景grid 160
12.2.2.5 增加圖例 161
12.2.3 多種線條屬性 162
12.2.3.1 線條的類型 162
12.2.3.2 圖形的顏色 163
12.2.3.3 點的形狀類型 164
12.2.3.4 線條寬度 166
12.3 常見圖形的繪制 167
12.3.1 柱狀圖（Bar charts） 167
12.3.2 直方圖 170
12.3.3 餅圖 172
12.3.4 箱線圖 172
12.4 Figure、Axes 對象與多圖繪制 173
12.4.1 Figure、Axes 對象 174
12.4.2 多圖繪制 176
12.4.2.1 多個子圖繪制 176
12.4.2.2 一個圖中多條曲線繪制 178
第2 部分統計學基礎 180
第13 章描述性統計 181
13.1 數據類型 182
13.2 圖表 182
13.2.1 頻數分布表 182
13.2.2 直方圖 183
13.3 數據的位置 184
13.4 數據的離散度 186
第14 章隨機變量簡介 190
14.1 概率與概率分布 190
14.1.1 離散型隨機變量 190
14.1.2 連續型隨機變量 192
14.2 期望值與方差 193
14.3 二項分布 194
14.4 正態分布 197
14.5 其他連續分布 199
14.5.1 卡方分布 199
14.5.2 t 分布 199
14.5.3 F 分布 200
14.6 變量的關系 202
14.6.1 聯合概率分布 202
14.6.2 變量的獨立性 203
14.6.3 變量的相關性 203
14.6.4 上證綜指與深證綜指的相關性分析 205
第15 章推斷統計 208
15.1 參數估計 208
15.1.1 點估計 209
15.1.2 區間估計 209
15.2 案例分析 212
15.3 假設檢驗 213
15.3.1 兩類錯誤 214
15.3.2 顯著性水平與p 值 215
15.3.3 確定小概率事件 215
15.4 t 檢驗 216
15.4.1 單樣本t 檢驗 216
15.4.2 獨立樣本t 檢驗 217
15.4.3 配對樣本t 統計量的構造 218
第16 章方差分析 221
16.1 方差分析之思想 221
16.2 方差分析之原理 222
16.2.1 離差平方和 223
16.2.2 自由度 224
16.2.3 顯著性檢驗 225
16.3 方差分析之Python 實現 226
16.3.1 單因素方差分析 227
16.3.2 多因素方差分析 228
16.3.3 析因方差分析 228
第17 章回歸分析 231
17.1 一元線性回歸模型 231
17.1.1 一元線性回歸模型 231
17.1.2 最小平方法 232
17.2 模型擬合度 233
17.3 古典假設條件下^_、^ _ 之統計性質 234
17.4 顯著性檢驗 235
17.5 上證綜指與深證成指的回歸分析與Python 實踐 236
17.5.1 Python 擬合回歸函數 236
17.5.2 繪制回歸診斷圖 238
17.6 多元線性回歸模型 240
17.7 多元線性回歸案例分析 241
17.7.1 價格水平對GDP 的影響 241
17.7.2 考量自變量共線性因素的新模型 243
第3 部分金融理論、投資組合與量化選股246
第18 章資產收益率和風險 247
18.1 單期與多期簡單收益率 248
18.1.1 單期簡單收益率 248
18.1.2 多期簡單收益率 249
18.1.3 Python 函數計算簡單收益率 252
18.1.4 單期與多期簡單收益率的關系 252
18.1.5 年化收益率 254
18.1.6 考慮股利分紅的簡單收益率 256
18.2 連續復利收益率 259
18.2.1 多期連續復利收益率 260
18.2.2 單期與多期連續復利收益率的關系 262
18.3 繪制收益圖 263
18.4 資產風險的來源 264
18.4.1 市場風險 264
18.4.2 利率風險 264
18.4.3 匯率風險 265
18.4.4 流動性風險 265
18.4.5 信用風險 265
18.4.6 通貨膨脹風險 266
18.4.7 營運風險 266
18.5 資產風險的測度 266
18.5.1 方差 266
18.5.2 下行風險 268
18.5.3 風險價值 269
18.5.4 期望虧空 271
18.5.5 最大回撤 271
第19 章投資組合理論及其拓展 276
19.1 投資組合的收益率與風險 276
19.2 Markowitz 均值-方差模型 280
19.3 Markowitz 模型之Python 實現 285
19.4 Black-Litterman 模型 289
第20 章資本資產定價模型（CAPM） 298
20.1 資本資產定價模型的核心思想 298
20.2 CAPM 模型的應用 299
20.3 Python 計算單資產CAPM 實例 301
20.4 CAPM 模型的評價 305
第21 章Fama-French 三因子模型 308
21.1 Fama-French 三因子模型的基本思想 308
21.2 三因子模型之Python 實現 310
21.3 三因子模型的評價 315
第4 部分時間序列簡介與配對交易 317
第22 章時間序列基本概念 318
22.1 認識時間序列 318
22.2 Python 中的時間序列數據 320
22.3 選取特定日期的時間序列數據 321
22.4 時間序列數據描述性統計 323
第23 章時間序列的基本性質 326
23.1 自相關性 326
23.1.1 自協方差 327
23.1.2 自相關系數 327
23.1.3 偏自相關系數 327
23.1.4 acf( ) 函數與pacf( ) 函數 328
23.1.5 上證綜指的收益率指數的自相關性判斷 328
23.2 平穩性 331
23.2.1 強平穩 331
23.2.2 弱平穩 332
23.2.3 強平穩與弱平穩的區別 332
23.3 上證綜指的平穩性檢驗 333
23.3.1 觀察時間序列圖 333
23.3.2 觀察序列的自相關圖和偏自相關圖 333
23.3.3 單位根檢驗 336
23.4 白噪聲 340
23.4.1 白噪聲 340
23.4.2 白噪聲檢驗——Ljung-Box 檢驗 341
23.4.3 上證綜合指數的白噪聲檢驗 343
第24 章時間序列預測 345
24.1 移動平均預測 345
24.1.1 簡單移動平均 345
24.1.2 加權移動平均 346
24.1.3 指數加權移動平均 346
24.2 ARMA 模型預測 347
24.2.1 自回歸模型 348
24.2.2 移動平均模型 350
24.3 自回歸移動平均模型 350
24.4 ARMA 模型的建模過程 351
24.5 CPI 數據的ARMA 短期預測 351
24.5.1 序列識別 351
24.5.2 模型識別與估計 354
24.5.3 模型診斷 356
24.5.4 運用模型進行預測 359
24.6 股票收益率的平穩時間序列建模 359
第25 章GARCH 模型 364
25.1 資產收益率的波動率與ARCH 效應 364
25.2 ARCH 模型和GARCH 模型 365
25.2.1 ARCH 模型 365
25.2.2 GARCH 模型 366
25.3 ARCH 效應檢驗 368
25.4 GARCH 模型構建 370
第26 章配對交易策略 372
26.1 什麽是配對交易 372
26.2 配對交易的思想 373
26.3 配對交易的步驟 374
26.3.1 股票對的選擇 374
26.3.2 配對交易策略的制定 383
26.4 構建PairTrading 類 387
26.5 Python 實測配對交易交易策略 391
第5 部分技術指標與量化投資399
第27 章K 線圖 400
27.1 K 線圖簡介 400
27.2 Python 繪制上證綜指K 線圖 403
27.3 Python 捕捉K 線圖的形態 405
27.3.1 Python 捕捉“早晨之星” 406
27.3.2 Python 語言捕捉“烏雲蓋頂”形態 410
第28 章動量交易策略 416
28.1 動量概念介紹 416
28.2 動量效應產生的原因 416
28.3 價格動量的計算公式 417
28.3.1 作差法求動量值 417
28.3.2 做除法求動量值 418
28.4 編寫動量函數momentum( ) 420
28.5 萬科股票2015 年走勢及35 日動量線 420
28.6 動量交易策略的一般思路 423
第29 章RSI 相對強弱指標 429
29.1 RSI 基本概念 429
29.2 Python 計算RSI 值 429
29.3 Python 編寫rsi( ) 函數 434
29.4 RSI 天數的差異 435
29.5 RSI 指標判斷股票超買和超賣狀態 436
29.6 RSI 的“黃金交叉”與“死亡交叉” 437
29.7 交通銀行股票RSI 指標交易實測 438
29.7.1 RSI 捕捉交通銀行股票買賣點 438
29.7.2 RSI 交易策略執行及回測 440
第30 章均線系統策略 446
30.1 簡單移動平均 446
30.1.1 簡單移動平均數 446
30.1.2 簡單移動平均函數 448
30.1.3 期數選擇 449
30.2 加權移動平均 449
30.2.1 加權移動平均數 449
30.2.2 加權移動平均函數 451
30.3 指數加權移動平均 452
30.3.1 指數加權移動平均數 452
30.3.2 指數加權移動平均函數 454
30.4 創建movingAverage 模組 454
30.5 常用平均方法的比較 455
30.6 中國銀行股價數據與均線分析 456
30.7 均線時間跨度 458
30.8 中國銀行股票均線系統交易 459
30.8.1 簡單移動平均線制定中國銀行股票的買賣點 459
30.8.2 雙均線交叉捕捉中國銀行股票的買賣點 462
30.9 異同移動平均線（MACD） 464
30.9.1 MACD 的求值過程 464
30.9.2 異同均線（MACD）捕捉中國銀行股票的買賣點 466
30.10 多種均線指標綜合運用模擬實測 468
第31 章通道突破策略 473
31.1 通道突破簡介 473
31.2 唐奇安通道 473
31.2.1 唐奇安通道刻畫 473
31.2.2 Python 捕捉唐奇安通道突破 476
31.3 布林帶通道 478
31.4 布林帶通道與市場風險 481
31.5 通道突破交易策略的制定 484
31.5.1 一般布林帶上下通道突破策略 484
31.5.2 特殊布林帶通道突破策略 485
第32 章隨機指標交易策略 489
32.1 什麽是隨機指標（KDJ） 489
32.2 隨機指標的原理 489
32.3 KDJ 指標的計算公式 490
32.3.1 未成熟隨機指標RSV 490
32.3.2 K、D 指__________標計算 495
32.3.3 J 指標計算 497
32.3.4 KDJ 指標簡要分析 498
32.4 KDJ 指標的交易策略 499
32.5 KDJ 指標交易實測 499
32.5.1 KD 指標交易策略 499
32.5.2 KDJ 指標交易策略 503
32.5.3 K 線、D 線“金叉”與“死叉” 504
第33 章量價關系分析 509
33.1 量價關系概述 509
33.2 量價關系分析 509
33.2.1 價漲量增 510
33.2.2 價漲量平 512
33.2.3 價漲量縮 512
33.2.4 價平量增 513
33.2.5 價平量縮 514
33.2.6 價跌量增 514
33.2.7 價跌量平 515
33.2.8 價跌量縮 515
33.3 不同價格段位的成交量 516
33.4 成交量與均線思想結合制定交易策略 518
第34 章OBV 指標交易策略 524
34.1 OBV 指標概念 524
34.2 OBV 指標計算方法 524
34.3 OBV 指標的理論依據 527
34.4 OBV 指標的交易策略制定 527
34.5 OBV 指標交易策略的Python 實測 528
34.6 OBV 指標的應用原則 530
python書籍推薦：量化投資：以Python為工具