- 首頁
- >
- 書籍詳目頁
- 作者: 朱顺泉 (著)
- 學科分類: 科學類
- 書籍分類: 程式語言 ; 電機資訊學院
- 出版社: 北京大学出版社有限公司
- 出版地:中國大陸
- 出版日期:2022
- 語文:簡體中文
- ISBN/識別號:9787301319352
Python数据分析与量化投资
可使用:0人
線上閱讀中:0人
下載閱讀中:0人
借閱天數:0天
推薦採購不提供QR CODE
線上閱讀
本書提供兩種檔案格式,請選擇開啟:
EPUB彈性排版,可依載具大小自動斷行或換頁,較適合小螢幕閱讀。
書籍內容
TOP
◎本书把Python技术和量化投资实例结合起来,分4个篇章介绍了Python工具、量化投资统计与计量分析方法、量化投资组合与资产定价理论及应用,以及量化投资策略。
◎本书实例丰富,有很强的针对性,各章详细介绍了实例的具体操作过程,读者只需按照所介绍的步骤按部就班地操作,就能掌握全书的内容。
◎本书可供经管类本科高年级学生与研究生参考使用,同时对从事数据分析的实际工作者也大有裨益。
◎本书配套实例的全部数据文件,可免费给读者提供。
- 目錄
- 封面
- 版权
- 前言
- 目录
- 第1篇 Python工具介绍
- 1 量化投资及Python简介、下载、安装与启动
- 1.1 量化投资基础
- 1.2 为什么选择Python工具
- 1.3 Python工具的下载
- 1.4 Python工具的安装
- 1.5 Python工具的启动和退出
- 2 Python基础知识与编程基础
- 2.1 Python 基础知识
- 2.2 Python 数据结构
- 2.3 Python 函数
- 2.4 Python 条件与循环
- 2.5 Python 类与对象
- 3 Python数据存取
- 3.1 Python -NumPy数据存取
- 3.2 Python Scipy数据存取
- 3.3 Python Pandas的csv格式数据文件存取
- 3.4 Python Pandas的excel格式数据文件存取
- 3.5 读取并查看数据表列
- 3.6 读取 Tushare财经网站数据
- 3.7 Tushare 财经网站数据保存与读取
- 3.8 使用OpenDataTools工具获取数据
- 3.9 下载Yahoo财经网站数据
- 3.10 Python- Quandl财经数据接口
- 4 Python 工具库NumPy的应用
- 4.1 NumPy 概述
- 4.2 NumPy 数组对象
- 4.3 创建数组
- 4.4 数组操作
- 4.5 数组元素访问
- 4.6 矩阵操作
- 4.7 缺失值
- 5 Python工具库SeiPy的应用
- 5.1 SeiPy概述
- 5.2 优化方法的scipy.optimize应用
- 5.3 利用CVXOPT求解二次规划问题
- 5.4 统计方法的scipy.stats应用
- 6 Python 工具库Pandas的数据结构
- 6.1 Pandas 介绍
- 6.2 Pandas 的数据结构:Series
- 6.3 Pandas 的数据结构;DataFrame
- 7 Python绘制图形
- 7.1 Matplotlib 绘图应用基础
- 7.2 直方图的绘制
- 7.3 散点图的绘制
- 7.4 气泡图的绘制
- 7.5 箱图的绘制
- 7.6 饼图的绘制
- 7.7 条形图的绘制
- 7.8 折线图的绘制
- 7.9 曲线标绘图的绘制
- 7.10 连线标绘图的绘制
- 7.11 关于绘图中显示中文的处理
- 第2篇 量化投资统计与计量分析方法
- 8 概率分布及Python应用
- 8.1 二项分布
- 8.2 泊松分布
- 8.3 正态分布
- 8.4 贝塔分布
- 8.5 均匀分布
- 8.6 指数分布
- 8.7 t分布
- 8.8 卡方分布
- 8.9 F分布
- 9 描述性统计及Python应用
- 9.1 描述性统计的 Python工具
- 9.2 数据集中趋势的度量
- 9.3 数据高散状况的度量
- 9.4 峰度、偏度与正态性检验
- 9.5 异常数据处理
- 10 参数估计及Python应用
- 10.1 参数估计与置信区间的含义
- 10.2 点估计的 Python应用
- 10.3 单正态总体均值区间估计的Python应用
- 10.4 单正态总体方差区间估计的Python应用
- 10.5 双正态总体均值差区间估计的Python应用
- 10.6 双正态总体方差比区间估计的Python应用
- 11 参数假设检验及 Python应用
- 11.1 参数假设检验的基本理论
- 11.2 单样本t检验的Python应用
- 11.3 两个独立样本t检验的Python应用
- 11.4 成对样本t检验的Python应用
- 11.5 单样本方差假设检验的Python应用
- 11.6 双样本方差假设检验的Python应用
- 12 相关性分析与回归分析及Python-statsmodels应用
- 12.1 相关性分析及 Python应用
- 12.2 一元线性回归分析及Python-statsmodels应用
- 12.3 多元线性回归分析及Python应用
- 13 多重共线性及 Python应用
- 13.1 多重共线性的概念
- 13.2 多重共线性的后果
- 13.3 产生多重共线性的原因
- 13.4 多重共线性的识别和检验
- 13.5 消除多重共线性的方法
- 13.6 多重共线性诊断的Python应用
- 13.7 多重共线性消除的Python应用
- 14 异方差及Python应用
- 14.1 异方差的概念
- 14.2 异方差产生的原因
- 14.3 异方差的后果
- 14.4 异方差的识别检验
- 14.5 消除异方差的方法
- 14.6 异方差诊断的Python应用
- 14.7 异方差消除的Python应用
- 14.8 异方差实例的Python应用
- 15 自相关及 Python应用
- 15.1 自相关的概念
- 15.2 自相关产生的原因
- 15.3 自相关的后果
- 15.4 自相关的识别和检验
- 15.5 自相关的处理方式
- 15.6 自相关性诊断与消除的Python应用
- 15.7 金融市场数据自相关性诊断与消除的Python应用
- 第3篇 量化投资组合与资产定价理论及应用
- 16 资产组合的期望收益与风险及Python应用
- 16.1 持有期收益率
- 16.2 单项资产的期塑收益率
- 16.3 单项资产的风险
- 16.4 单项资产的期望收益和风险的估计量及Python应用
- 16.5 单项资产之间的协方差与相关系数及Python应用
- 16.6 资产组合的期望收益和风险及Python应用
- 17 资产组合均值方差模型及Python应用
- 17.1 资产组合的可行集
- 17.2 有效边界与有效组合
- 17.3 标准均值方差模型及 Python应用
- 17.4 两基金分离定理
- 17.5 投资组合有效边界的Python绘制
- 17.6 马科维茨投资组合优化的Python应用
- 18 马科维茨资产组合优化及Python-evxopt工具应用
- 18.1 资产组合期望收益率与风险的计算
- 18.2 马科维茨资产组合的优化和有效前沿
- 18.3 真实股票市场的回测
- 19 存在无风险资产的均值方差模型及Python应用
- 19.1 存在无风险资产的均值方差模型的Python应用
- 19.2 无风险资产对最小方差组合的影响
- 19.3 存在无风险资产的两基金分离定理及其Python应用
- 19.4 预期收益率与贝塔关系式
- 19.5 一个无风险资产和两个风险资产组合的Python应用
- 19.6 默顿定理的Python应用
- 19.7 布莱克-利特曼模型及Python应用
- 20 资本资产定价模型及Python-statsmodels 应用
- 20.1 资本资产定 价模型假设
- 20.2 资本市场线及Python应用
- 20.3 证券市 场线及Python应用
- 20.4 价格型资本资产定价模型及Python应用
- 20.5 资本资产定价模型实际数据的Python应用
- 第4篇 量化投资策略分析
- 21 市场中性策略分析或贝塔对冲策略分析
- 21.1 贝塔对冲模型
- 21.2 贝塔对冲策略
- 21.3 市场风险对冲策略案例
- 21.4 市场风险对冲的进一步分析
- 22 量化选股策略分析
- 22.1 小市值量化选股策略
- 22.2 基本面财务指标的量化选股策略
- 23 量化择时策略分析
- 23.1 Talib技术分析工具库在量化择时中的应用
- 23.2 海龟量化择时策略
- 23.3 金叉死叉双均线量化择时策略
- 24 量化选股与量化择时组合策略分析
- 24.1 量化纯选股策略
- 24.2 量化选股与量化择时组合策略
- 25 统计套利的协整配对交易策胳分析
- 25.1 协整的基本知识
- 25.2 平稳性检验及实例
- 25.3 基于BigQuant平台统计套利的协整配对交易策略
- 25.4 基于Python环境的配对交易策略
- 26 人工智能机器学习量化投资策略分析
- 26.1 机器学习算法分类
- 26.2 常见的机器学习算法及Python代码
- 26.3 支持向量机及其在商业银行信用评级中的应用
- 26.4 基于 Python环境支持向量机在量化交易中的应用