描述
开 本: 16开纸 张: 胶版纸包 装: 平装-胶订是否套装: 否国际标准书号ISBN: 9787302659983
前海开源基金合伙人王宏远和量化投资总监陆琦，以及摩根大通前中国投资银行主席龚方雄力荐。
将计量经济学与现代金融学理论融入金融量化分析与交易策略设计之中。
结合应用案例详解趋势追踪、小市值、海龟交易和网格交易等常用策略的实现方法。
详解金融量化分析需要掌握的大部分开源模块，包括Pandas、NumPy、TA-Lib、Empyrical、Mplfinance和Backtrader等，实现免费获取金融数据、清洗数据、存储数据和构建金融交易策略（回测）等需求。
书中的每个示例都按照“示例→实现代码→程序输出结果→程序说明”的模式进行讲解，思路清晰，易于理解。
不仅详细介绍各种常用量化交易策略代码的实现过程，而且对量化交易策略的实际回测结果给出说明，尽量避免出现“代码正确无误，而回测效果一塌糊涂”的情况。
结合208个典型示例讲解，每个示例均力求贴近实战需求，有较强的实用性。
提供30余幅示意图，帮助读者更加直观地理解相关示例代码的输出结果。
每章后都精心提供思考题（全书共23道），帮助读者进一步加深对各章内容的理解。
提供精心制作的教学PPT，便于读者梳理知识点，并方便教师教学时使用。
金融量化分析不仅需要掌握金融领域的知识，还需要掌握相关的计算机编程技术。《Python金融量化分析》全面、系统地介绍金融量化分析所需要掌握的技能。无论是具有丰富的编程经验的读者，还是普通的投资爱好者，均可参照本书内容开发自己的量化交易策略回测代码，实现金融量化分析辅助投资的目的。
《Python金融量化分析》共9章，涵盖的主要内容有金融量化交易策略分析概述，Python的基础语法，Pandas模块基础，NumPy基础，数据获取与清洗，金融量化交易策略实战，TA-Lib、Empyrical与Mplfinance模块的使用方法，金融数据回归分析，ARIMA与VAR模型在金融量化领域的应用，开源金融量化交易策略回测框架Backtrader的使用方法等。掌握这些内容，可以解决金融量化分析涉及的编程语言基础、数据获取、量化交易策略构建、统计学与金融学理论在金融量化领域的高级应用，以及现有的量化回测框架的使用方法等实际问题。
《Python金融量化分析》内容丰富，体系完整，讲解细致入微，既适合Python金融量化分析入门人员阅读，也适合有志从事量化投资工作的各类研究人员和从业人员阅读与参考，还适合作为高等院校金融和投资类相关专业的教材。
写作背景
随着计算机技术的普及，越来越多的金融投资者希望借助计算机程序辅助投资。这样投资者不仅需要理解投资理论，还需要熟悉计算机编程技术。为此，本书希望能带领读者学习以下内容：
* 金融量化分析需要掌握的Python基础语法及相关模块；
* 免费获取金融数据的方法与途径；
* 金融量化交易策略的基础回测方法；
* 经典经济模型与金融理论在金融量化分析中的实际应用方法；
* 利用金融量化交易策略开源回测框架进行专业回测的方法。
通过认真学习《Python金融量化分析》，读者完全可以独立编写金融量化投资策略回测代码，还可以通过Python代码验证量化投资策略的历史表现，为当前和未来的投资决策提供参考依据。
《Python金融量化分析》特色
1．内容全面，涵盖广泛
《Python金融量化分析》不仅涵盖金融数据获取、数据清洗、量化交易策略回测代码的编写，而且也涵盖统计学与金融学的基础理论在量化投资策略构建中的高级应用，以及免费开源的专业金融量化回测框架Backtrader的使用方法。
2．代码实现与专业知识并重
金融量化分析不仅需要编程技术，而且需要对金融投资理论具有一定的理解，二者缺一不可。《Python金融量化分析》在重点介绍Python代码实现的同时，对必要的金融和统计学理论等专业知识进行简要描述，以便读者更深入地理解代码的含义与用途。
3．示例丰富，注重实战效果
《Python金融量化分析》穿插大量的示例进行讲解，每个示例均力求贴近实战需求。特别是在第6章金融量化交易策略开发实战会详细介绍5个常用的量化交易策略示例，通过这些示例的历史数据回测结果，显示策略的历史表现，将其作为开发实战策略的依据。
4．提供完整的源代码
笔者对书中涉及的所有源代码都进行了整理，以方便读者使用。读者对这些代码稍加修改，即可用于自己的项目实践中。
《Python金融量化分析》内容
第1章金融量化交易策略分析概述，详细介绍金融量化分析的基本流程、分析方法与工具、金融量化分析的优势、金融量化分析面临的困局与金融分析的注意事项等。
第2章金融量化分析工具的准备——基础语法，主要介绍Python的基础语法、变量、流程控制、函数、类与对象，以及模块应用等知识。
第3章金融量化分析工具的准备——Pandas基础，围绕Pandas内部的Series和DataFrame对象，详细介绍如何利用Pandas处理二维数据表信息，如二维数据表文件的读取，行与列的定位、添加等。
第4章金融量化分析工具的准备——NumPy基础，重点介绍ndarray对象的创建和ndarray数组数据的访问，以及NumPy数组操作、NumPy模块的主要函数和NumPy随机数处理等。
第5章金融量化分析数据的准备，重点介绍如何通过Tushare、Akshare、qstock和Alpha Vantage API等方式获取与分析数据，以及如何通过Pandas进行数据清洗，并通过CSV文件或SQLite数据库存储数据等。
第6章金融量化交易策略开发实战，详细介绍趋势追踪交易策略、顶底背离交易策略、小市值交易策略、海龟交易策略与网格交易策略的历史回测代码和回测结果等。
第7章金融量化分析常用的工具模块，详细介绍金融量化分析中常用的技术分析指标，如TA-Lib模块、金融统计结果计算模块Empyrical与金融可视化专业模块Mplfinance等。
第8章金融量化分析高级应用，详细介绍统计学模型与现代金融理论在金融量化交易中的应用，包括基本的回归模型在金融量化分析中的应用、ARIMA与VAR模型在金融量化分析中的应用，以及金融资产组合优化理论在金融量化分析中的具体应用等。
第9章金融量化回测框架Backtrader实战应用，详细介绍开源量化交易策略回测框架Backtrader的数据读取、自定义指标、指标调用、自定义策略类，以及观察器与分析器的应用等。
读者对象
阅读《Python金融量化分析》需要读者具备一定的金融投资基础知识，以及对程序设计有基本的理解能力，建议读者最好对Python编程语言有基本的了解。具体而言，《Python金融量化分析》主要适合以下读者阅读：
* 有一定Python编程基础的量化分析初学者；
* 了解量化投资的基础理论而希望开发量化投资策略的投资者；
* 已掌握Python基础语法而希望寻求Python应用场景的程序员；
* 高校金融、大数据和投资等专业的学生与老师。
阅读建议
* 基础相对薄弱的读者，建议从第1章开始顺次阅读本书；
* 具备Python语言基础的读者，可以从第2章开始阅读本书；
* 对金融数据获取感兴趣的读者，可以直接阅读第5章；
* 对金融数据可视化感兴趣的读者，可以直接阅读7.3节；
* 对交易策略实战感兴趣的读者，可以直接阅读第6章；
* 对Backtrader框架感兴趣的读者，可以直接阅读第9章。
《Python金融量化分析》配套资源
本书涉及的数据文件、源文件和教学PPT需要读者自行下载。请在清华大学出版社网站上搜索本书，然后在本书页面上的“资源下载”模块中单击“网络资源”或“课件下载”按钮即可下载；读者也可以关注微信公众号“方大卓越”，然后回复数字“3”获取下载网址。
阅读反馈
限于笔者水平，书中可能还存在一些疏漏，敬请广大读者指正，笔者会及时进行勘误，并将勘误内容传至出版社网站上供读者下载。读者在阅读本书的过程中如果有疑问，可以发电子邮件获得帮助。
致谢
感谢恩师连平先生、陈伟利先生和郑乡明老师多年来对我的培养与关心！
感谢欧振旭在本书出版过程中给予笔者的大力支持与帮助！
感谢笔者的家人给予笔者的理解与支持！
肖建军
2024年3月
随着金融科技的快速发展，量化分析在金融领域的应用越来越广泛。本书全面、系统地介绍了金融量化分析的相关知识与实际应用，是一部紧跟金融行业发展趋势的佳作，可以帮助读者了解金融科技的前沿技术。可以说，本书是一把开启金融量化分析的金钥匙，对金融从业者尤其金融量化分析从业人员和爱好者有较高的参考价值。
——前海开源基金合伙人、战略顾问 王宏远
本书通过通俗易懂的理论讲解和丰富的应用示例，帮助读者多维度了解Python金融量化分析涉及的相关工具，并掌握金融量化交易策略开发和金融量化回测框架的使用等，是一部实用性较强的图书。本书不但介绍基本的理论知识，而且结合实际应用场景和示例源码，展现量化分析的实现过程，是金融量化分析从业人员和爱好者不可多得的参考读物。
——前海开源基金量化投资总监 陆琦
在当今全球金融市场竞争日益激烈的背景下，掌握并应用先进的量化分析技术是提高金融行业竞争力的关键之一。本书结合大量实例，详述Python金融量化分析的核心技术。如果想系统地学习Python金融量化分析技术，以期在金融量化领域获得成功，那么本书将会成为你的得力助手。
——摩根大通前中国投资银行主席 龚方雄
评论
还没有评论。